一种基于Contourlet变换与分裂Bregman方法的CT图像重建算法

针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表示方面的局限,本文将Contourlet变换与CT图像重构相结合,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法。实验结果表明,在投影数较少的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。

基于有限角图像重建的两种迭代算法研究

针对有限角度投影数据的CT图像重建问题,本文介绍了两种迭代算法,其中主要介绍了基于最小化图像总变差的优化准则的迭代重建算法——TV算法,以及简单介绍了改进后的ART算法,该算法的基本思想是运用已知角度的投影数据来补全未知角度的投影数据,再用ART算法进行图像重建。最后用模拟的有限角度投影数据分别对这两种迭代算法进行了图像重建的数值实验,并对这两种迭代算法进行了比较。由实验结果可以看出这两种算法都不同程度地提高了重建图像的质量,但是改进的ART算法的图像迭代收敛速度更快些。

基于不完备投影数据重建的四种迭代算法比较研究

在发射成像和穿透成像过程中,由于各种原因会造成投影数据不完备,若仍采用传统解析方法重建出的图像会产生伪影,而迭代算法则可以很好地改善图像质量。本文应用不同的迭代算法分别就真实标准线对测试卡的稀疏投影数据和有限角度投影数据进行重建,定量分析比较它们各自的优缺点,为几种迭代算法的工程或临床应用提供重要参考。

基于通用GPU技术的三维TV算法的快速实现

TV算法是一种很好的有限角度投影数据图像重建算法,但在应用于三维的有限角度投影数据重建时,该算法存在的高耗时问题就更为突出并成为其应用瓶颈。本文提出了一套基于通用GPU技术在图形处理器上快速实现的三维TV算法。实验结果表明,与运行在CPU上的三维TV算法相比,该算法在获得可比的重建结果的前提下,有效地提高了重建速度。

由少量投影数据快速重建图像的迭代算法

针对由少量角度的投影数据重建CT图像的问题,提出了一种改进的基于图像总变差最小的迭代重建算法。该算法采用共轭梯度法求图像总变差最小,并在迭代过程中采用了多分辨迭代技术。用模拟的投影数据和实际扫描数据进行了重建数值实验。实验结果表明该算法不但提高了重建图像质量,也同时显著提高了迭代图像的收敛速度。