基于广义Gibbs先验的优质PET成像

最大后验方法(Maximumaposteriori,MAP)已经广泛应用于解决图像重建中的病态问题，正电子发射成像(Positronemissiontomography,PET)便是其中之一。本文基于MAP方法，针对PET成像提出一新的基于图像相似结构信息的广义Gibbs先验形式，新先验能在有效地抑制噪声的同时，鲁棒地保持锐利的边缘信息。但由于新先验的引入，使得重建模型的求解趋于复杂。为解决模型解的收敛性问题，我们提出两步式的局部线化优化迭代重建策略，并结合抛物线替代坐标上升(Paraboloidalsurrogatecoordinateascent，PSCA)算法进行求解。新算法分别对PET模拟数据和真实数据进行重建实验，结果表明本文提出的基于广义Gibbs先验的PET成像可以获得优质的重建图像。