基于双能CT图像域的DL-RTV多材料分解研究

摘要：

双能计算机断层扫描(DECT)技术因能分解和识别材料,并提供定量化的成像结果,广泛应用于医疗、安检、无损检测以及材料科学等领域.DECT技术能提供物体在两种能谱下的衰减信息,可准确分解两种基材料.但当检测对象含有三种材料时,若对DECT图像直接求逆(DIMD)分解多材料,其基图像将含较多噪声和伪影.为此,提出了一种基于双能CT图像域的字典学习(DL)和相对总变分(RTV)的多材料分解算法,简称DL-RTV算法.通过直接求逆获得初始基图像,利用字典学习挖掘基图像的稀疏性,以提高材料分解的准确性;引进RTV进一步降低基图像的噪声和伪影,并保护图像细节;同时引入各基材料质量守恒和像素边界的约束项,提高材料分解精度.仿真和实验研究表明,DL-RTV算法能较准确地分解三种材料,较好抑制基图像噪声和伪影,提高了材料区分度,从而验证了此算法的有效性和实用性,这对DECT技术的发展和应用具有重要的意义.

关键词：成像系统、双能计算机断层扫描技术、多材料分解、图像域、字典学习、相对总变分

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重大科学仪器设备开发专项

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：87-98