锥束CT的惩罚SART重建算法

联合代数迭代方法（SART）对重建图像空间是无约束的,其迭代到一定次数后,图像空间的噪声会不断增加。为了解决这一问题,针对三维锥束CT情况,研究了一种增加惩罚项的联合代数迭代算法,同时研究了该算法与有序子集结合的方法。计算机仿真试验表明：在锥束CT图像重建中,该方法能够在抑制噪声的同时提高重建图像的收敛速度。     

定步长压缩感知锥束CT重建算法

针对锥束CT成像系统中投影数据不完全的图像重建问题,提出了一种定步长压缩感知锥束CT重建算法。首先将锥束CT重建问题归结为投影数据均方误差作为数据保真项、全变分作为正则项的无约束优化问题,分析目标函数的Lipschitz连续性;然后近似计算Lipschitz常数,求出梯度下降步长,利用梯度下降法进行重建;最后对CT投影数据采用联合代数重建算法更新重建图像。在每次迭代过程中调整梯度下降步长,提高重建算法的收敛速度。Shepp-Logan模型的无噪声实验结果表明,该算法的重建图像信噪比分别比联合代数重建算法、自适应最速下降-凸集投影算法、BB梯度投影算法的重建图像信噪比高出13.7728 dB、12.8205 dB、7.3580 dB。仿真试验表明该重建算法提高了收敛速度,同时减少了重建图像的相对误差,极大提高了用少量投影数据重建的图像质量。     

定步长压缩感知锥束CT重建算法

针对锥束CT成像系统中投影数据不完全的图像重建问题,提出了一种定步长压缩感知锥束CT重建算法。首先将锥束CT重建问题归结为投影数据均方误差作为数据保真项、全变分作为正则项的无约束优化问题,分析目标函数的Lipschitz连续性;然后近似计算Lipschitz常数,求出梯度下降步长,利用梯度下降法进行重建;最后对CT投影数据采用联合代数重建算法更新重建图像。在每次迭代过程中调整梯度下降步长,提高重建算法的收敛速度。Shepp-Logan模型的无噪声实验结果表明,该算法的重建图像信噪比分别比联合代数重建算法、自适应最速下降-凸集投影算法、BB梯度投影算法的重建图像信噪比高出13.7728dB、12.8205dB、7.3580dB。仿真试验表明该重建算法提高了收敛速度,同时减少了重建图像的相对误差,极大提高了用少量投影数据重建的图像质量。     

锥束CT感兴趣区域图像重建研究

针对锥束CT感兴趣区域扫描中存在的截断投影数据图像重建问题,提出用基于迭代的代数重建(ART)算法进行重建。锥束ART算法的缺点是计算量大、重建速度慢。为了提高该算法的重建速度,提出了一种基于多核平台的快速并行图像重建方法。首先将三维重建区域等分为上下两块,相应地,探测器平面也分为上下两部分;然后通过双线性插值计算虚拟探测器投影数据;最后通过多线程技术在多核平台上实现了ART算法的并行重建,在保持较高重建精度的同时取得了约两倍的重建加速比。在此基础上,通过仿真实验对3DShepp-Logan模型不同感兴趣区域进行了重建,实验结果表明,ART算法用于感兴趣区域图像重建是可行的。     

基于平板探测器的锥束CT投影图像校正

在分析基于平板探测器的锥束CT投影图像缺陷的产生原因和特性的基础上,提出校正的方法,分别对投影图像进行暗场、像元响应不一致的一步校正和光场不均匀校正、像素坏点去除。通过在同一锥束CT系统中相同电压、电流水平情况下,采集不同积分时间下的空气投影图和相同条件下的暗场图,并对其像素值变化进行分析、拟合和对比,得到系统的线性参数矩阵、光场分布图和坏点位置图。对空气投影图像进行校正,并将其作为不完全参照,计算射线吸收系数,用于锥束CT重建。实验结果表明,该方法能有效去除锥束CT投影图像的噪声,抑制物体重建切片的大量环状伪影的产生,提高锥束CT系统重建图像的质量。     

基于最小圆柱区域的锥束CT快速图像重建

传统锥束CT通常选取立方体或其内切圆柱作为图像重建的区域,因此考虑到工业CT重建目标尺寸差异较大的特点,提出了一种基于最小圆柱区域的快速三维图像重建方法。首先由不同视角下的锥束投影数据通过直线扫描转换算法构建重建目标的最小区域包络图;然后通过区域填充方法来进一步确定最小区域包络;在此基础上,采用中点圆算法得到最小圆柱区域的半径。该方法能够根据重建目标的尺寸自适应地确定最小圆柱重建区域,从而减少了不必要的计算。实验结果表明,该方法有效地提高了ART算法的重建速度,同时取得了较好的重建质量。     

三维锥束重建中滤波器的设计

设计了几种用于CT三维锥束图像重建的滤波器,并将其对图像质量的影响进行了分析。CT是一种先进的成像技术,现已被应用于多个领域。CT图像重建算法多采用滤波反投影法,滤波是此方法的核心部分。本文介绍了三维锥束近似重建的基本原理,分析并设计了几种用于CT锥束图像重建的滤波器,并且通过投影数据的图像重建结果分析了不同滤波函数对断层图像重建质量的影响。实验结果证明：所设计的几种滤波器能较好的满足实际图像重建的要求。     

基于多分辨率的PET图像优质有序子集最大期望重建算法

在正电子发射断层扫描(PET)成像中,最大似然期望(MLEM)算法因不能有效地抑制噪声、收敛速度慢而难以直接应用于临床。有序子集最大期望(OSEM)算法具有较快的收敛速度,但是在迭代一定次数之后重建质量会迅速下降。针对此问题,将多分辨率技术引入到有序子集最大期望重建算法的子集中,以此抑制噪声,同时稳定求解过程。实验结果表明,新的重建算法克服了传统算法图像退化的缺点,并具有加快算法收敛速度的优点,能获得较高的信噪比(SNR)和较好的图像视觉效果。     

偏心螺旋锥束CT的Katsevich修正重建算法

在实际的锥束工业CT中,射线源焦点与探测器中心的水平高度不一致及转心偏移等原因会使获得的实际投影数据发生偏移。如果直接利用实际扫描所得投影数据进行图像重建,得到的图像不清晰。针对以上问题,该文修正Katsevich精确重建算法,以适应偏心的CT成像系统。将投影数据的偏移转换为探测器中心的偏移。在重建过程中,根据探测器的中心偏移量,对滤波线方程、滤波前后的重排和校正以及反投影过程进行修正处理。计算机仿真实验结果证实,该方法可以有效减小投影数据的偏移对重建图像的影响。     

锥束CT检测成像仿真系统的研究与实现

设计并实现一个用于CT专业教学和科研的锥束CT检测成像仿真系统.该仿真系统能够模拟对CT设备的控制,生成正投影数据,重建被测物体,并能对重建结果进行三维显示.该系统包括如下关键技术:按真实比例对CT设备建模,实现了锥束CT工作过程的可视化;用场景图方法组织CT场景,简化了场景图形的管理方式;采用GPU加速CT正投影、图像重建和体绘制算法,在一定程度上解决了锥束CT大数据量快速计算问题.实验结果表明,该系统具有较快的运行速度,可满足用户交互操作的需要.     

有序子集最小二乘OS—LS图像重建迭代算法

为推导一种新的快速图像迭代重建方法，首先将有序子集(ordered subsets，OS)技术应用到最小二乘图像重建迭代算法(least square reconstruction，LS)；然后对仿真Phantom模型数据和实际医用正电子发射断层成像仪(PET)数据进行重建，并研究了在不同子集划分下的重建结果，同时分析比较了不同子集的选取对OS—LS重建罔像质量以及重建收敛速度的影响。重建结果表明，这种基于有序子集的最小二乘图像重建迭代算法(OS—LS)具有较高的重建图像质量和较短的计算时间，相对于传统LS算法的重建，OS—LS的收敛速度加速了约L倍(L为子集个数)．其重建图像质量也好于传统的滤波反投影(FBP)方法的重建．町应用在PET图像重建中。     

具有超松弛因子的OSEM重建算法

创建了一种比 OSEM法更快收敛的、更灵活地适应临床要求的医学图象重建迭代算法 .通过引入超松弛因子 z改进现有的 OSEM图象迭代重建算法 ,在 z=1时 ,回复为通常的 OSEM,在 z>1时 ,合并引入非负约束和总计数归一化约束条件 ,保证迭代快速收敛 .使用计算机模拟数据和 SPECT心肌灌注投影数据对该算法进行验证 ,并同其他图象重建算法的结果进行了比较 ,该算法运算速度比同阶数的 OSEM快 1倍以上 ,且比同样迭代次数的更高阶数的 OSEM运算速度还要快 .该算法具有收敛速度快 ,使用灵活等优点 .     

CT投影采样策略对重建质量影响综述

针对计算机断层成像（Computed Tomography,CT）中投影数据与图像重建关系,综述了CT在投影策略方面对重建质量的影响.对不同采样策略获取的不完全投影数据,应用迭代类算法对投影数据进行重建,研究了均匀采样和非均匀采样情况下不同数据结构对重建图像质量的影响.对仿真数据和实际数据重建结果进行分析,同时对不同策略下的投影数据结合其数据分布特点探讨了重建质量优劣的原因.论文可以为CT重建领域的研究工作者提供全面的采样方法梳理和总结,为当前不完全投影数据获取方式对应的算法改进提供思路,最后对当前研究重点和未来发展进行了展望.     

基于TV准则的图像分块重构算法的研究

利用压缩感知理论进行图像重构时,基于分块思想进行可有效提高重构速度,但同时会带来较强的块效应。为了解决该问题,提出了一种基于TV准则的图像分块重构算法。该算法将基于整幅图像时梯度计算方法进行改进,充分利用已重构块的边界像素信息,从而有效消除了图像的块效应。实验结果表明,提出的算法能够有效消除图像的块效应,提高重构图像的主客观质量,与TVAL3算法相比,重构图像的PSNR值最多提高了0.84 dB,时间最高可节省24.38%,算法尤其适用于低采样率的情况。     

自适应IQA阈值序列图像NLM超分辨重建方法

序列图像超分辨率（super resolution,SR）算法可以利用多帧低分辨率图像之间的互补信息重建出一张高分辨率结果。传统非局部均值（non-local means,NLM）超分辨率重建方法的迭代次数选取和最佳SR重建结果筛选过程高度依赖使用者经验值和主观评价,这极大地增加了算法复杂度,降低了算法的鲁棒性。为了解决这两个问题,提出一种基于图像质量评价（image quality assessment,IQA）自适应阈值的NLM超分辨重建算法。通过设计一种SR重建结果质量评价指标,将该指标引入到NLM重建算法中：一方面作为阈值,用以确定算法迭代收敛条件;另一方面作为评价标准,用以筛选多个输出结果中重建效果最佳的高分辨率图像。实验结果表明,提出的算法能在有效保证鲁棒性的同时,极大地提升NLM超分辨率重建算法的运算效率。     

基于自适应核回归和代数重建法的低剂量CT图像重建

针对稀疏角度投影数据CT图像重建问题,TV-ART算法将图像的梯度稀疏先验知识引入代数重建法（ART）中,对分段平滑的图像具有较好的重建效果。但是,该算法在边界重建时会产生阶梯效应,影响重建质量。因此,本文提出自适应核回归函数结合代数重建法的重建算法（LAKR-ART）,不仅在边界重建时不会产生阶梯效应,而且对细节纹理重建具有更好的重建效果。最后对shepp-logan标准CT图像和实际CT头颅图像进行仿真实验,并与ART、TV-ART算法进行比较,实验结果表明本文算法有效。 