基于Chambolle-Pock算法的TV重建方法研究

为实现CT稀疏视角下的投影图像重建,Sidky等设计了基于Chambolle-Pock(CP)算法,论文在此基础上实现了CP算法。仿真实验表明,与传统的滤波反投影算法相比,CP算法不存在伪影,在含噪情况下,CP算法具有较好的性能,可以实现稀疏角度下的高精度图像重建。同时,探讨了平衡因子的选取对重建精度的影响。

总变差约束的数据分离最小图像重建模型及其Chambolle-Pock求解算法

基于优化的迭代法,可以结合压缩感知和低秩矩阵等稀疏优化技术高精度地重建图像.其中,总变差最小(total variation minimization, TV)模型是一种简单有效的优化模型.传统的约束TV模型,使用数据保真项为约束项, TV正则项为目标函数.本文研究TV约束的、数据分离最小(TV constrained, data divergence minimization, TVcDM)新型TV模型及其求解算法.详细推导了TVcDM模型的Chambolle-Pock (CP)算法,验证了模型及算法的正确性;分析了算法的收敛行为;评估了模型的稀疏重建能力;分析了模型参数的选择对重建的影响及算法参数对收敛速率的影响.研究表明, TVcDM模型有高精度稀疏重建能力; TVcDM-CP算法确保收敛,但迭代过程中有振荡现象; TV限对重建有重要影响,参数值过大会引入噪声而过小会模糊图像细节;算法参数的不同选取会导致不同的收敛速率.

基于Chambolle-Pock算法框架的高阶TV图像重建算法

传统的总变差(TV)最小算法是一种基于压缩感知(CS)的经典迭代重建算法,可以从稀疏数据或含噪数据中高精度地重建图像。然而,TV算法在重建分段常数特征不明显的图像时可能会引入块状伪影,通过研究得出,在图像去噪中使用高阶总变差(HOTV)能有效压制TV模型引入的块状伪影。鉴于此,提出了一种HOTV图像重建模型及其Chambolle-Pock(CP)求解算法。具体来说,以二阶梯度构建二阶TV范数,进而设计了一种数据保真约束的二阶TV最小重建模型,并推导出了相应的CP算法。在理想数据投影和含噪数据投影条件下,分别采用基于波浪背景的Shepp-Logan模体、灰度渐变模体以及真实CT图像模体进行重建实验,并进行定性和定量分析。理想数据投影的重建结果表明,和传统TV算法相比,HOTV算法能有效压制块状伪影并提高重建精度。含噪数据投影的重建结果表明,HOTV算法和TV算法均有良好的抗噪能力,但HOTV算法的保边性能更好且抗噪性更强。在重建分段常数特征不明显而灰度波动特征明显的图像时,HOTV算法是一种比TV算法更优的重建算法。所提HOTV算法可以被推广到各种扫描模式下的CT重建及其他成像模态中。

基于自适应加权增强总变差的CT偏置扫描重建算法

基于降低设备制造成本或辐射剂量等目的,计算机断层成像(Computer Tomography,CT)中的一个实际需求是以有限的探测器尺寸来获得更大的视野(Field of View,FOV),通过将探测器放置在横向偏移位置可以有效的扩大FOV。然而,常规的重建算法无法精确重建偏置投影数据,针对这一问题,本文提出了一种基于自适应加权增强总变差最小化的偏置重建模型及CP(Chambolle-Pock)求解算法。具体来说,构建自适应加权增强总变差范数作为正则项,其中自适应权重根据局部增强梯度自适应调整权值,进而设计了一种基于自适应加权增强总变差最小化的偏置重建模型(Weighted Adaptive-weight reinforced Total Variation,WAwrTV),并推导出了相应的CP算法。实验结果表明,所提算法能有效的重建偏置投影数据并提高重建精度,且具有良好的抗噪性能。

基于线阵列探测器的多角度平行投影数据及其图像重建算法

针对工业断层CT进行三维结构成像的应用需求,提出了由多角度的平行投影数据重建三维CT图像的TV-ART迭代算法的新实现方法,其中将Chambolle方法推广至三维情形并用于求解CT图像全变差(TV)最小。使用该方法进行TV求解的重建图像的质量优于基于最速下降法或共轭梯度法的TV-ART迭代算法。此外,该方法具有高度并行性,适合在GPU,FPGA等高速并行计算硬件上实现,从而可以大幅提高图像重建速度。在扫描时间相同的情况下,该方法重建的三维CT图像质量优于已有方法,特别是显著提高了CT图像的轴向分辨率。