低剂量CT的加权总变差重建算法

【摘要】针对稀疏投影角度的CT图像重建问题，结合压缩感知理论，提出基于加权迭代支持检测的分块代数重建算法， 以较少的投影角度重建出理想的CT图像。首先，针对传统的代数重建技术计算量大、收敛速度慢的问题，提出分块代数 重建算法；其次，传统的最小总变差模型会引起图像过度平滑及纹理细节模糊等问题，对此提出一种最小加权总变差算 法，即加权迭代支持检测算法，并建立加权迭代支持检测模型；最后，分块代数重建技术与加权迭代支持检测模型交替迭 代，使重建结果趋于收敛。本文采用经典的Shepp-Logan体模及实际的脑部CT切片进行重建，以均方根误差作为重建图像 的质量评判标准，并与其他重建算法的重建结果进行对比。在经过一定次数的迭代后，基于本文算法的重建图像更贴近 原始图像，而且比其他算法更早收敛。实验结果表明，本文算法在重建质量及收敛速度上都优于其他对比算法