一种基于L0范数和奇异值阈值分解的双正则项优化的有限角投影重建方法技术

本发明专利技术涉及一种基于L0范数和奇异值阈值分解的双正则项优化的有限角投影重建方法，属于图像处理领域。该方法具体包括：S1：根据CT成像原理和正则化框架以及投影数据集P，建立最优化问题目标方程；S2：初始化参数；S3：采用SART算法进行迭代，得图像X，通过误差反馈，对X进行修正；S4：对修正后图像X进行梯度L0范数优化图像得XL0，并更新误差d1；S5：对步骤S4优化后的图像进行奇异值分解并加软阈值约束优化图像得XSVT，并更新误差d2；S6：对步骤S5所得图像按照步骤S3进行下一轮迭代，直至满足迭代终止条件。本发明专利技术能够有效恢复CT图像轮廓，减少有限角伪影，从而提高有限角CT成像质量和适用性。

【技术实现步骤摘要】
一种基于L0范数和奇异值阈值分解的双正则项优化的有限角投影重建方法
本专利技术属于图像处理领域，涉及一种基于L0范数和奇异值阈值分解的双正则项优化的有限角投影重建方法。
技术介绍
计算机层析成像技术(Computedtomography,CT)通过采集到的投影数据和一定重建算法，利用X射线的衰减信息反投影重建出被测物体密度分布图像，具有无损、高精度和可视化等优点，因此被广泛应用在医学影像、工业无损检测和安全检查等领域。在投影数据完备的情况下，即完整的角度投影，采用迭代重建算法和解析重建算法均能得到很好的重建效果。但在实际CT扫描过程，因检测环境、物体结构、扫描方式等外界因素的影响，通常只能获取不完全角度的投影数据。针对角度受限型有限角CT图像重建问题，若采用解析算法重建图像，则存在显著的条形伪影且导致缺失角度部分图像失真，而迭代重建算法则不同，通过迭代逼近可有效降低不完全投影引入的伪影。典型的迭代类重建算法有代数重建法(AlgebraReconstructionTechnique,ART)和联合代数重建法(Simultaneousalgebraicreconstructiontech本文档来自技高网...

【技术保护点】
1.一种基于L0范数和奇异值阈值分解的双正则项优化的有限角投影重建方法，其特征在于，该方法具体包括以下步骤：S1：根据CT成像原理和正则化框架以及投影数据集P，建立最优化问题目标方程如下：

【技术特征摘要】
1.一种基于L0范数和奇异值阈值分解的双正则项优化的有限角投影重建方法，其特征在于，该方法具体包括以下步骤：S1：根据CT成像原理和正则化框架以及投影数据集P，建立最优化问题目标方程如下：式中，A为系统投影矩阵，P为投影数据，X为重建图像，λ1为第一项正则化参数，λ2为第二项正则化参数；S2：初始化参数X，XL0，XSVT，λ1，λ2，β，u1，u2，d1，d2，其中XL0为L0范数优化后图像，XSVT为奇异值阈值分解优化后图像，β为L0范数平滑速率，u1为L0范数平滑权重，u2为奇异值阈值，d1为L0范数优化后图像的误差，d2为奇异值阈值分解优化后图像的误差；S3：采用传统联合代数重建算法(Simultaneousalgebraicreconstructiontechnique，SART)进行迭代，得图像X，通过误差反馈，对X进行修正；S4：对修正后图像X进行梯度L0范数优化图像得XL0，并更新误差d1；S5：对步骤S4优化后的图像进行奇异值分解并加软阈值约束优化图像得XSVT，并更新误差d2；S6：对步骤S5所得图像按照步骤S3进行下一轮迭代，...

【专利技术属性】
技术研发人员：王珏，蔡玉芳，傅范平，张秀英，朱斯琪，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50