基于稀疏贝叶斯-RNAMBO算法的低剂量CT盲复原方法

本文提出了一种基于稀疏贝叶斯智能优化(SBL-RNAMBO)算法的低剂量医学CT图像的盲复原重建方法.首先,利用群智能算法的全局搜索能力,同时引入稀疏贝叶斯方法进行训练,将大量全剂量CT图像作为先验信息,改善图像重建过程中的欠定问题.其次,加入二次惩罚项约束解空间,构造了参数未知的后验概率目标函数,采用RNAMBO算法优化稀疏贝叶斯超参数,建立优化后的稀疏贝叶斯模型.最后,用SBL-RNAMBO方法对所有盲复原未知量进行估计并求解后验概率目标函数.将SBL-RNAMBO算法与其他5种对比算法进行Shepp-Logan体膜、临床盆腔CT、临床脑部CT的定性及定量实验,实验结果表明,在定性实验中该方法可以获得良好的CT重建图像,保留清晰的纹理细节和结构特征;在145/20 mA及90/20 mA定量实验中峰值信噪比(PSNR)、通用图像质量指数(UIQI)、结构相似性指数(SSIM)、误差方差和(SSDE)指标均优于对比算法,算法复杂度最大减少854.6 s,通过不同初始值PSNR实验,验证了该算法的稳定性及有效性.