基于混合正则项的稀疏角度CT图像重建

摘要

针对传统迭代算法无法保证在数据欠采样情况下重建出高质量医学CT图像的问题，提出了一种基于表面积最小化和群稀疏表示（GSR）的双正则项惩罚最小二乘的方法来用于稀疏角度CT图像重建。根据网格场中噪声图像比平滑图像表面积要大这一规律，将表面积项作为重建图像的一个先验约束，以达到平滑图像噪声的目的；再根据GSR利用非局部相似性保留图像细微结构这一特性，将GSR作为另一个先验约束，建立重建模型。采用交替最小化方案将重建问题解耦为求解中间图像子问题和求解字典以及稀疏表示子问题，之后利用半二次分裂法和分裂布雷格曼方法分别对两个子问题进一步求解。实验结果表明，与算法PLS-GSR、 PLS-NLM、 SART-GSR相比，本文算法的重建图像有良好的视觉效果，可以较清晰地辨别图像的内部结构和细节，并且FSIM值、 PSNR值和MSE值均优于对比算法。

关键词

群稀疏表示 / 表面积 / 图像平滑 / 非局部相似性 / 图像重建