基于Split-Bregman算法的能谱计算机层析图像重建

与传统计算机层析(CT)成像技术相比,能谱CT可在一次扫描中得到物体在不同能谱通道下的投影图像,这有利于区分物体的材质,提高信号噪声比。基于光子计数探测器的能谱CT是近年来成像领域研究的热点。由于能谱通道变窄,每个能谱通道内的噪声增加。为了有效降低通道内的噪声,采用基于全变分最小化的SplitBregman算法进行图像重建。根据重建模体的先验信息,进行能谱通道的划分;采用Split-Bregman算法对含噪声和稀疏角的能谱投影数据进行重建。仿真结果表明,基于Split-Bregman算法的能谱CT图像重建方法能够有效减少能谱通道内噪声的影响,满足物体材质区分的需求。     

基于图像总变分和张量字典的多能谱CT材料识别研究

基于光子计数探测器的多能谱计算机断层成像技术(CT),能够获得多个能量段的能谱信息,在材料识别方面有着独特的优势。由于窄能谱探测及光子计数探测器存在一致性差的问题,多能谱CT图像中含有较多的噪声和伪影,这不利于材料的分解与识别。因此从重建的角度出发,改进了传统张量字典学习(TDL)方法,提出一种基于图像总变分(TV)和TDL的图像重建算法,简称TV+TDL。该算法不但继承了TDL算法在刻画各个能量通道图像之间相似性的优势,而且通过引进TV作为正则项,可进一步恢复图像微小结构和细节并有效地抑制噪声,提高材料分解精度。仿真实验结果表明,TV+TDL算法能够有效重建高质量的多能谱CT图像,并成功实现基材料模型下的材料分解与识别,从而验证了该方法的有效性和实用性。     

基于全卷积金字塔残差网络的能谱CT图像降噪研究

传统CT采用积分式探测器采集投影数据,反映的是物体的平均衰减特性,会在一定程度上造成信息损失,无法对物体进行较好的定性定量测量。基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子,采集更多被测物体的物质组成信息,有助于识别不同物理特性的材料,基于此,能谱CT被广泛的应用于小病灶、低对比度结构以及微细结构的成像。然而将整个能谱划分为多个能量段进行数据采集时,范围较窄能量范围内的有效光子数比例相对降低,导致图像中包含较多的噪声,图像质量较差,影响能谱CT的临床应用。为了有效的抑制能谱CT不同能量段内重建图像中的噪声,提出了一种基于深度学习的能谱CT图像降噪方法。我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN),实验中,利用能谱CT在不同的能量范围扫描小鼠样本,使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。为了验证网络的降噪性能,选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比,训练三种网络的使用的数据和实验配置都是完全相同的,实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声,且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。模型训练好后,可以对FDK算法重建出的图像进行降噪,由此提高能谱CT图像降噪效率,保证能谱CT重建图像的质量。     

基于基效应分解的多谱投影序列盲分离算法研究

在常规CT成像系统中,发出的X射线是连续能谱的,导致重建图像出现硬化伪影,影响了材料组分区分,无法进行定量表征。解决这一问题的关键在于实现多能谱CT成像,利用多个窄能谱段或单能量CT图像,提高组分与图像灰度的对应性。相对于传统CT,能谱CT具有更强的组分区分能力,有利于实现物体组分的定量分析。现有的基于光子计数探测器多谱CT在成像时间分辨率和空间分辨率存在局限,基于能谱滤波的多谱CT能谱区分度受限。而基于变电压多谱投影序列盲分离的多谱CT,通过分解连续能谱投影,获取窄能谱投影,进而实现能谱CT成像,确保物质组分与重建图像灰度值的对应性,实用性较强。但是由于X射线能谱和物体组分的未知,在盲分离过程中,衰减系数未知,并且能谱划分是不确定的,导致窄能谱CT重建图像的能量指向性不强,对应能量值与参考能量偏差偏大,影响组分定量分析。因此,针对盲分离中能谱划分不确定性和重建图像能量指向性问题的开展研究。利用衰减系数的光电效应和康普顿效应分解,构建能量约束,消除能量的不确定性,降低分解所得投影重建图像的能量与参考能量值的偏差。在基于以残差的局部方差和最小为优化目标的分解模型中,将分解模型中的衰减系数按光电效应和康普顿效应分解为能量项和材料项,利用能量项的可预知性,依据预先划分的窄能谱段设置其值,固定各分解投影对应的窄能谱段,作为对能量的约束条件。求解所得各分解投影为能量已知投影,对其重建可得到能量确定的各窄能谱段的图像。选择衰减系数相近的硅铝材质构成外硅内铝圆柱体进行实验验证,在有能量约束的求解结果中,硅铝衰减系数与参考值偏差小于无能量约束,所得重建图像中硅铝变化率与理论值趋势较一致,能量指向性强,与参考能量偏差降低。结果表明,所提方法解决了基于变电压序列盲分离多谱CT成像的能量指向问题,能谱分辨率更高,组分表征更准确。     

暗通道与交叉通道多先验联合多光谱超分辨率算法

针对多光谱遥感图像超分辨率重建易受噪声和色差影响的问题,提出了暗通道与交叉通道多先验联合的多光谱超分辨率算法。首先,在传统全变分先验的基础上,引入了暗通道先验与交叉通道先验。然后,基于最大后验概率估计理论,建立了多先验联合的多光谱超分辨率重建算法。所提算法可实现图像边缘信息恢复、图像纹理信息恢复、噪声抑制、阶梯效应抑制和色差抑制,进而综合提升了重建图像的质量。最后,开展了实验验证,结果表明,在不同信噪比(10～40 dB)和色差干扰下,相比已有算法,所提算法的重建效果显著提升。     

基于能谱CT的材料组分彩色表征研究

基于光子计数探测器的X射线能谱CT,通过增加能谱分辨率实现了CT图像由灰度向彩色的转变,提高了材料识别能力。然而随着能谱通道数量的增加,通道中的噪声也显著增加,降低了材料识别的准确性。为充分利用能谱CT图像的稀疏性以及能谱通道之间图像的相关性,提出一种多约束窄谱CT迭代重建算法,可在降低噪声的同时有效保留图像的边缘及细节部分。进一步利用主成分分析对窄谱CT图像中的能谱信息进行估计,并建立主成分图像与R,G和B颜色分量之间的映射关系,最后获取彩色CT图像。该方法通过材料组分的彩色表征可以有效识别材料,同时降低图像中的背景噪声。仿真实验和实际实验结果验证了多约束窄谱CT迭代重建算法的有效性以及利用主成分分析进行材料组分彩色表征的可行性。     

基于能谱匹配先验的多谱CT成像方法

现有的X射线CT成像系统,受限于多谱硬化伪影和传统单能假设的CT成像方法,只适用于结构分析却无法实现材料组分的有效区分。对此论文提出了基于能谱匹配先验的多谱CT成像方法。首先依据材料组分先验,构建能谱滤波匹配模型,设置能谱范围参数,并通过滤波获取该能谱范围内的多能投影序列;其次,针对多能投影序列,以材料组分为先验选择不同参考能量,采用改进后的ART迭代重建算法,实现了多谱CT成像。仿真实验结果表明,对于衰减系数相近的多种材质,通过选取两段不同能谱范围,重建出相应参考能量下的结果,在一定程度上改善了图像质量,对比度提高明显,可实现组分有效区分与成像。     

基于约束优化的闪光照相图像重建算法

针对闪光照相图像受模糊及噪声影响的问题,提出了一种基于约束优化的闪光照相图像重建算法。该算法建立基于平行束投影的正向成像矩阵,并通过嵌入模糊矩阵表达成像过程中的模糊因素,采用最速下降法求解重建问题。在算法中设计了预优矩阵以提高迭代重建速度,利用客体密度值非负、密度分布分段光滑并含有阶跃性边界的先验知识,设计和采用了非负约束、光滑约束及广义变分边界约束条件。对仿真FTO客体图像及实际闪光照相图像的重建结果表明,基于约束优化的重建算法具有良好的边界保持能力及噪声抑制能力,可以有效提高图像重建质量。     

基于能谱滤波分离的多谱计算机层析成像方法

随着科技的发展,适用于结构分析的传统单能X射线计算机层析(CT)成像技术,已不能满足现代工业对物质组分区分与鉴定的功能成像需求。这是由于在X射线CT系统中,现有重建算法的单能假设与CT投影的多谱性不一致,导致CT重建质量差,无法组分区分。基于光子计数探测器的能谱分离成像思想,提出了基于能谱滤波分离的多谱CT成像方法,该方法通过在X射线发射端加滤波片的方式,实现能谱滤波分离,并通过变能量成像,获得近似单能的递变能量投影序列;针对滤波后噪声水平较高问题,利用EM-TV重建算法,实现了多谱CT成像,可满足组分区分的需求。仿真实验结果表明,对于密度相近的检测对象,该方法可以满足组分区分的要求。     

基于极大似然模型和期望最大化算法的闪光图像重建

针对闪光照相图像低信噪比的特点,研究了带约束的基于极大似然模型和期望最大化算法（ML-EM）的闪光照相图像重建算法。该算法在ML-EM迭代重建算法的基础上,根据闪光照相图像低信噪比的特点及被重建客体具有分段平滑的先验信息,在迭代重建的过程中进行了相应的噪声抑制,抑制了噪声对重建结果的影响,同时很好地保持了客体的边界特征。数值模拟结果表明,基于噪声约束的ML-EM重建算法能取得较好的重建效果。     

基于加权TV正则化的X射线CT系统能谱估计方法

在CT硬化伪影校正、双能CT图像重建以及CT辐射剂量计算等实际应用中,X射线的能谱信息具有重要的作用。然而,由于透射测量方程组系数矩阵的病态性、X光子的统计涨落和噪声的干扰,使得EM等能谱估计方法难以获得较精细的能谱刻画。针对该问题,提出一种基于加权TV正则化的X射线CT系统能谱估计方法。首先采用能谱能量范围内带有不同K-edge的材料作为体模以降低投影测量方程之间的相关性。然后,利用CT成像系统的几何参数来获取投影测量数据所对应的准确透射长度信息来减小投影方程的测量误差。最后,综合利用透射衰减测量数据的保真性、轫致辐射能谱部分的连续性、特征辐射能谱部分的离散性、能谱的非负性和归一性以及平均有效衰减系数等信息,使用加权TV正则化方法建立目标函数,利用正则化理论中的L曲线准则通过黄金分割参数搜索策略求得最优正则化参数及对应的能谱估计结果。分别通过不同统计波动模型下的仿真能谱和实际测量数据对算法性能进行了验证,结果表明该方法与EM等方法相比,不受初始能谱的影响,有效提高了能谱估计结果的稳定性和准确性。     

双即插即用能谱计算机断层重建算法

为降低X射线辐射剂量和提高成像效率,开发准确和高效的多能谱成像方法,提出一种具有双即插即用（PnP）框架的图像重建方法。该方法引入两个PnP正则化能量函数,分别对多通道图像内蕴低秩性与通道内图像稀疏性进行度量。首先以多通道图像间的相似块构造高维张量,然后引入张量加权核范数对张量低秩性进行刻画,并结合图像梯度域L0（伪）范数对通道内图像稀疏性进行刻画,最后设计基于交替方向乘子法的高效求解算法。为验证算法的可行性,开展模拟多通道光子计数采样图像重建实验。实验结果表明：与现有代表性方法相比,所提方法的峰值信噪比提升0.067 dB～1.89 dB,时间消耗约为代表性方法的25%;所提方法具有抑制伪影干扰和改善图像质量的优势,并且计算效率得到显著提升。     

全变分约束迭代滤波反投影CT重建

重建算法是计算机断层成像(CT)技术的核心。在解析法CT重建过程中,结合先验信息和引入优化约束条件较为困难。通过对滤波反投影(FBP)原理及其重建图像与理想CT图像差值关系的分析,构造了以FBP为基础的迭代循环,解决了解析重建过程中先验信息的利用和优化约束条件的引入问题。为抑制迭代FBP产生的图像伪影,将全变分(TV)模型引入重建过程,建立了TV约束迭代滤波反投影CT重建方法。在数值模拟中,针对完善投影数据、稀疏投影数据、含金属投影数据和有限角投影数据等不同情况,重建出了与原始模型高度一致的CT图像,研究表明TV约束迭代滤波反投影方法是一种精度高、适应性较强的CT重建方法。     

基于对数解调的递变能量CT成像方法

复杂结构件由于有效厚度差异大和成像系统动态范围受限, 单一能量下的投影数据信息不完整, 常用CT重建算法及不完全数据重建算法无法在数据缺失严重的情况, 有效实现复杂结构件的CT重建. 为此论文提出基于对数解调的递变能量CT成像方法. 该方法在分析直接高动态CT成像所存在问题的基础上, 提出利用对数变换压缩递变能量投影序列动态范围, 并利用现有的基于图像灰度一致性的融合方法, 计算融合加权系数, 再经常规重建算法实现复杂构件的CT成像. 论文并以某复杂仪表为对象, 进行实验, 相比传统的固定能量成像方式, CT信息完整, 质量高. 从而说明论文所提出的方法, 能够实现CT系统动态范围的扩展, 实现复杂结构件的高动态CT成像.     

基于加权总差分最小化的中子稀疏投影计算机断层重建方法

为提升高噪声稀疏角度投影条件下中子计算机断层扫描(CT)质量,提出同时迭代重建方法(SIRT)与加权总差分最小化(WTDM)相结合的迭代重建方法(SIRT-WTDM)。在有无噪声情况下比较代数重建算法、联合代数重建算法及同时迭代重建算法的重建图像,证明了SIRT迭代重建具有较高的图像重建精度与较强的抗噪声性能,因此将SIRT作为高噪声中子投影图像CT迭代重建算法的保真项。考虑到对图像梯度稀疏性与连续性的约束,中子CT迭代重建方法的正则化约束项采用WTDM方法。由Shepp-Logan模体与真实冷中子层析扫描数据验证可知,在极端稀疏角度投影条件下,SIRT-WTDM可获得较好的重建效果。     

双能谱CT迭代重建的一种加速收敛算法

双能谱CT(DSCT)可以重建被测物的材料分辨图像和能量分辨图像,进而区分物质,在医学、工业领域都有广泛的应用。图像重建算法是影响DSCT成像质量的关键技术。广义代数重建算法(E-ART)可以重建得到高质量的双基材料图像,但是该算法收敛速度较慢。针对该问题,提出一种加速收敛算法(AE-ART),其基本思想是通过为基函数添加权重来增大高能和低能投影曲线的夹角或减小高能和低能投影方程组系数矩阵条件数。使用口腔模型对水和骨双基材料分解进行模拟实验,实验结果表明:与E-ART算法相比,AE-ART算法的收敛速度提高了30%以上。     

基于先验图像约束的多光谱压缩感知

在低采样率、低信噪比(SNR)的探测条件下,多光谱重建图像噪声增多,重建质量大幅度降低。为了提高多光谱图像的重建质量,提出了一种基于先验图像约束的多光谱压缩感知(PICHCS)重建方法。PICHCS利用多光谱图像的空间相关性和谱间相关性重建出初始图像,并将相邻谱段的初始图像取平均获得高信噪比的先验图像。先验图像与目标图像相减可以使优化目标稀疏化,并使得重建结果具有与先验图像类似的高信噪比特性。通过数值模拟和实验验证了该重建算法的可行性,并在不同的采样率、信噪比条件下和全变差低秩联合重建算法进行了对比研究。结果表明,PICHCS可以在低采样率低信噪比情况下提高多光谱图像的重建质量,从而降低对数据采样率和系统信噪比的要求。     

基于可分离编码的高分辨X射线荧光成像技术研究

相比于传统基于毛细管或针孔的X射线成像系统,编码孔径成像系统具有结构简单、灵敏度高、扩展性强等优势,使其在X射线荧光成像中极具潜力.本工作应用新型编码孔径成像计算模型,设计了一种基于可分离编码的X射线成像系统.利用Geant4蒙特卡罗仿真对系统的性能进行了研究,并根据快速迭代收缩阈值算法进行了图像重建.模拟及分析结果显示,近场成像时,与传统基于卷积模型的成像系统不同,该系统的性能不受准直效应的影响.成像系统的空间分辨率约为65 μm,并能够准确地重建出不同能量的线源和形状复杂物体的图像.重建图像的质量受校准时所用X射线能量和物体发射X射线能量的影响,两者差异越小,重建图像的质量越高.三维重建结果显示,系统能够从单次获取的二维投影图像,正确地重建出物体与系统的距离,轴向空间分辨率约为1.1 mm.     

稀疏张量约束的低剂量CT图像重建

提出了一种稀疏张量约束重建算法,该方法利用非局部相似的先验信息,将CT图像分割成一系列图像块组;采用张量的多维低秩分解方法,将这一先验信息引入低剂量CT重建中,构造目标函数;通过重建图像更新和图像块组张量稀疏编码两个步骤,交替迭代求解目标函数。基于仿真数据和临床数据的实验结果验证了该算法的有效性,实验结果表明:与经典重建算法相比,所提算法在抑制噪声的同时,能更好地保持重建图像的细节,获得更高质量的图像。     

基于先验组分的多谱CT序列DCM融合算法研究

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。为了便于在同一视图中显示所有组分的信息,需要研究多谱CT序列的融合方法;但是常用融合方法如加权平均法、小波变换融合法等都是针对图像细节信息的优化,不能表达组分的物理特性,从而导致融合图像的灰度不具有物理表征性,影响CT的定量检测。为此,结合具有物理表征特征的数据约束模型(DCM),开展了基于先验组分的多谱CT序列DCM融合算法研究。首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据,采用TV-OSEM算法重建不同能谱段的CT序列;其次,利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合,传统DCM模型是严格单能的,由于滤波后能谱的非严格单能特性,其融合结果不能表征出对象序列中的全部组分。针对此问题提出了改进DCM模型。改进DCM模型选择了新的体元定义,并且在多谱CT序列融合中引入先验组分作为参照,通过先验物质对融合结果中其他物质进行校准,实现检测对象中各组分位置的准确分布。仿真实验表明,该方法可从物理表征正确性的角度,实现多谱CT序列融合,在满足CT序列中不同组分区分的同时,其融合图像的灰度具有物理可参照性,有利于后续的CT定量检测。