稀疏角度CT图像重建的Huber-TV正则化方法

对于稀疏角度下的投影数据,计算机断层扫描重建图像容易出现分辨率低、伪影较多的问题,难以满足工业及医学诊断要求。文中从迭代重建的角度出发,提出一个结合全变分(TV)和Huber函数(Huber-TV)的CT重建方法。该方法利用Huber函数替代传统全变分模型中的L1范数,在合理控制函数阈值的条件下,充分利用Huber函数的线性部分对大于阈值的梯度图像进行较轻的惩罚,以保持图像边缘连续性;再结合二次项对小于阈值的梯度图像进行较大的惩罚,以抑制图像中不连续梯度跳跃。新模型目标函数的光滑性可以使得梯度下降法快速收敛到最优值,避开传统全变分模型中的次梯度计算,从而降低计算复杂度并加快迭代速度。实验结果表明,在稀疏角度重建条件下,与传统TV模型相比,Huber-TV模型的均方根误差降低19%,信噪比提升22.33 dB,说明所提方法高效可行。