基于耦合梯度神经网络的光学层析图像重建

为克服光学层析图像重建的病态性,通常在重建过程中加入先验信息.本文采用含有二值线过程的Gibbs分布作为图像的先验模型,该模型具有保留清晰边缘的全局平滑特性.由于重建目标函数是连续变量和二值离散变量的混合体,常规的优化算法无法实现.为此,提出了一种基于耦合梯度神经网络的优化方法.优化过程中,能量函数关于光学参数的梯度计算是关键,本文提出一种基于梯度树的梯度求解方法.对吸收系数和散射系数的重建结果表明:该方法可高效地重建光学层析图像;线过程的引入可以改善重建的病态特性,提高图像的重建质量.