基于一种新的非局部二次MRF先验模型的Bayesian图像重建

Bayesian方法或最大后验(maximumaposteriori,MAP)法被认为是解决图像重建中的病态问题的有效方法.根据Bayesian理论,目标图像的先验信息被加诸于图像重建中来抑制噪声.然而,大部分的先验模型提供的先验信息来自于一个较小的局部邻域内灰度值的简单加权差,只能对Bayesian重建提供有限的先验信息.本文提出一个新的非局部的且具有二次的先验能量方程的马尔可夫随机场(MarkovRandomFields,MRF)先验,该先验通过选择较大邻域和新的加权方式来充分利用图像的全局信息.文章同时还提出使用该非局部先验的Bayesian重建的迭代算法.最后给出了该先验在PET(正电子发射成像)重建中的应用.实验结果以及同其他先验的比较证明该先验在降低噪声效果和保持边缘方面具有很好的表现.