两种X射线CT正则化重建方法

发布时间：2020-05-10 20:42

【摘要】：X射线CT(computed tomography,简称CT)成像技术具有数据采集速度快和重建图像分辨率高等优点,被广泛应用于医学、工业检测等领域.但是,X射线辐射有诱发癌症等疾病的风险.因此,降低CT成像的X射线剂量是医生和患者共同关心的问题.降低X射线强度和减少X射线数量是两种常用的降低X射线剂量的方法,从而导致低信噪比投影数据和不完全投影数据的CT重建问题.因此研究低信噪比投影数据和不完全投影数据的CT图像重建方法具有重要的意义.全变差(total variation,简称TV)正则化方法是实现低剂量X射线CT图像重建的常用方法,但是,该方法通常导致重建图像在平滑区域出现“块状效应”(伪边界),这可能导致疾病的误诊.为了克服TV方法的“块状效应”,本文提出了两种正则化重建方法.首先,本文提出了字典稀疏表示和TV相结合的X射线CT正则化重建方法.TV方法和字典学习方法是两种常用的图像处理方法,各有优缺点.我们将两种方法相结合,使用基于字典的稀疏表示正则化方法消除TV方法引起的“块状效应”.由于模型非凸、非光滑,不易求解,本文采用了交替方向法将模型化为三个子问题分别求解.其中,字典学习和表示系数使用K奇异值分解(简称KSVD)算法更新,重建图像使用本原对偶算法(primal-dual,简称 PD)更新.其次,本文提出了基于“梯度1范数减梯度2范数”(简称L1-L2)的CT图像重建方法.一般地,重建图像可以用分片常数近似,即边界具有稀疏性.梯度零范数是理想的稀疏性度量(正则化)函数,但是不易求解,梯度2范数(简称TV)正则化可以作为梯度零范数的近似,但会引起重建图像的“块状效应”L1-L2正则化是一种新的零范数近似,而且容易求解.因此,本文提出了基于“梯度1范数减梯度2范数”(简称L1-L2)的CT图像重建模型,该模型克服了 TV正则化方法引起的“块状效应”.由于模型是非凸的,通过引入辅助变量,本文采用交替方向乘子法(alternating direction method of multipliers,简称ADMM)求解该模型,其中,辅助变量的更新有闭形式的解,重建图像的更新可使用快速傅里叶变换(简称FFT)近似求解.最后,针对模拟数据和真实数据的实验结果验证了所提模型的有效性.我们比较了滤波反投影(filtering back-projection,简称FBP)算法、基于TV的重建方法和所提方法在不同数据上的重建效果,重建结果表明所提模型的重建图像在均方误差、结构相似度方面都具有明显的优势,并且在视觉效果上避免了 TV方法引起的“块状效应”,本文所提出的方法会使重建的图像具有更低的噪音和更清晰的结构特征.
【图文】：

表 3-2 Forbid 模板在不同方法下的 SSIM 和 MSE 的对比结果.方法图3-3中第一行 图3-3中第二行 图3-3中第三行SSIM MSE SSIM MSE SSIM MSEFBP 0.3519 0.0158 0.2939 0.0573 0.4066 0.0128TV 0.9803 0.0058 0.7825 0.0303 0.9341 0.0062DL 0.9744 0.0051 0.8341 0.0258 0.9287 0.0054TVDL 0.9806 0.0055 0.8085 0.0296 0.9344 0.0059我们进一步通过图 3-3 中第一行不同重建结果的第 260 条垂直线 (图 3-4) 来说明不同方法的重建效果, 为了便于区分, 我们分别在 TV、DL 和 TVDL 的垂直线上加上 0.01、0.02和 0.03, 可以看出 TVDL 的垂直线更接近原图.我们对不同模板的投影数据加有不同的噪声, 通过数值实验发现, 随着噪声变大, TV方法产生的“块状效应”越来越严重, 通过对比发现 TVDL 方法可以有效地抑制 TV 方法产生的“块状效应”

这里我们计算出投影数据的噪声为 0.0049. 比较其在不同参数下的的重建结果如图 3-5 所示, 为了进一步观察不同参数的重建效果, 我们进一步计算出图3-5 所对应的 MSE 和 SSIM (表 3-3 和表 3-4 ). 通过实验我们发现选取的参数不同, 重建效果也不同, 但当参数变化很小时, 重建效果变化很小, 即参数对实验效果不敏感, 本实验中最优参数为 1= 0.1, 2= 0.2
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R814;TP391.41;O434.1

【相似文献】

相关期刊论文 前10条

1 T.Poggio;V.Torre;C.Koch;姚国正;;计算视觉和正则化理论[J];世界科学;1988年02期

2 程晋;不适定问题的TИХОНОВ正则化方法的改进[J];数学杂志;1989年01期

3 姚国正,汪云九;计算视觉及其正则化方法[J];信息与控制;1989年01期

4 张育红;;第一类Fredholm积分方程的正则化解法[J];河北师范大学学报;1989年04期

5 阮周生;徐定华;王泽文;;一类逆时反问题的改进正则化方法的收敛性[J];高等学校计算数学学报;2011年02期

6 高伟;于开平;盖晓男;;L_∞范数拟合正则化方法在飞行器动态载荷识别中的应用[J];振动与冲击;2017年09期

7 罗兴钧;用正则化方法求抛物型方程的数值解[J];赣南师范学院学报;2003年06期

8 刘思凡;王浩;胡耀华;;稀疏优化模型及其正则化方法[J];数学建模及其应用;2018年04期

9 翁云华;杜娟;;稀疏约束的正则化方法[J];淮阴师范学院学报(自然科学版);2016年01期

10 苗小楠;顾剑;肖现涛;;求解非光滑方程组的三次正则化方法[J];运筹学学报;2019年02期

相关会议论文 前10条

1 杨元喜;徐天河;;综合验前模型信息和验后观测信息的自适应正则化方法[A];《大地测量与地球动力学进展》论文集[C];2004年

2 魏素花;王双虎;许海波;;轴对称物体X射线层析成像的正则化方法[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年

3 彭凡;王j;肖健;韦冰峰;;基于Tikhonov正则化方法实施动态载荷频域反求的一种新途径[A];第十五届全国非线性振动暨第十二届全国非线性动力学和运动稳定性学术会议摘要集[C];2015年

4 刘亚楠;郭建中;;基于正则化方法的超声断层成像重建[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

5 刘辉;陈至坤;;应用正则化方法重建锅炉二维温度场[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年

6 杨超;陈进;李加庆;薛玮飞;;正则化方法在统计最优近场声全息中的应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年

7 刘杰;韩旭;;基于多水平局部正则化方法的动态载荷识别[A];中国计算力学大会'2010（CCCM2010）暨第八届南方计算力学学术会议（SCCM8）论文集[C];2010年

8 王铁松;王振杰;;用吉洪诺夫正则化方法研究自由网平差问题[A];山东省测绘学术年会论文集[C];2006年

9 顾勇为;归庆明;韩松辉;;基于信噪比的正则化方法及其在GPS快速定位中的应用[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

10 刘三明;冯恩民;;广义minmax问题的熵正则化方法和指数罚函数法之间的对偶性(英文)[A];第四届全国决策科学/多目标决策研讨会论文集[C];2007年

相关博士学位论文 前10条

1 张浩;解非线性规划问题的正则化牛顿类方法研究[D];南京航空航天大学;2018年

2 许娜;均衡约束数学规划的正则化方法与数值实现[D];大连理工大学;2018年

3 王彦博;计算生物医学中的若干反问题[D];上海交通大学;2017年

4 刘焕香;核正则化回归学习和向量排序的收敛性分析及应用[D];浙江工商大学;2018年

5 席如冰;变分正则化模型与算法及其在多通道图像重构中的应用[D];国防科学技术大学;2015年

6 程炜;对称区域上几类热传导反问题的正则化方法[D];兰州大学;2007年

7 熊向团;抛物型偏微分方程中几类反问题的正则化理论及算法[D];兰州大学;2007年

8 钱志;数学物理反问题的正则化[D];兰州大学;2008年

9 邱春雨;几类反问题的正则化方法研究[D];兰州大学;2011年

10 卢艺烽;基于分数幂扰动的不适定问题的正则化方法[D];华中科技大学;2013年

相关硕士学位论文 前10条

1 王格华;非凸正则化方法研究[D];西北大学;2019年

2 康可可;两种X射线CT正则化重建方法[D];河南大学;2019年

3 孟茹月;基于自适应紧框架的轴对称物体正则化重建方法[D];河南大学;2019年

4 杨赵琪t，

本文编号：2657873