基于非局部全核变分方法的稀疏角多能CT重建

摘要：

稀疏角采样与减小X射线源电流可有效降低多能谱CT低辐射剂量,然而会导致投影数据不足且包含较大噪声,重建图像会严重降质.针对这一问题,本文对传统全核变分(TNV)正则化方法进行推广,利用非局部梯度向量构成的雅克比矩阵的低秩特性,提出非局部全核变分(NLTNV)正则化方法.该方法用单个正则项同时建模能谱CT图像的结构相似性、梯度域稀疏性与非局部自相似性3种先验信息,能恢复稀疏角度投影含较大噪声(剂量较低)时图像的结构特征,并且有效缓解了用多正则项建模多能谱CT图像不同先验信息所导致的正则化参数过多问题.此外,基于NLTNV的重建模型为凸优化模型,保证了算法的稳定性与收敛性.实验结果表明,与TNV正则化方法相比,本方法显著提升重建图像的整体质量.

关键词：多能谱CT图像重建、图导数、非局部自相似性、非局部全核变分方法、凸优化模型

所属期刊栏目：29

分类号：O242;TP391.41(计算数学)

资助基金：国家自然科学基金;国家重大仪器设备开发专项

在线出版日期：2020-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：663-676