轴对称物体X射线层析成像的变分模型与算法-UniversityofLiverpool.PDFVIP

中国科学: 数学 2015 年 第45 卷 第9 期: 1537 1548 轴对称物体 X 射线层析成像的变分模型与算法 献给徐利治教授 95 华诞 ∗ 陈柯 魏素花 Centre for Mathematical Imaging Techniques and Department of Mathematical Sciences, University of Liverpool, Liverpool L69 7ZL, UK; 北京应用物理与计算数学研究所, 北京 100088 E-mail: k.chen@liv.ac.uk, wei suhua@ 收稿日期: 2015-01-31; 接受日期: 2015-06-15; * 通信作者 英国国家自然科学基金 (批准号: EP/K036939/1)、国家自然科学基金 (批准号: 和 和中国工程物理研究院 (批准号: 2012A0202006) 资助项目 摘要 本文介绍了用X 射线投影进行轴对称物体密度重建的一些新二维变分模型与其数值计算方法, 从而推广了先前球对称物体密度重建的一维工作. 由于直接解这一类数学模型转化的非线性代数方程 组, 数值实现难度大, 本文给出了易实现的增广Lagrange 解法, 这种方法不仅有利于处理高阶正则化, 而且在X 光图像有额外模糊的情形下, 自动提供了有用的中间量正则化; 也给出了一些初步的仿真计 算结果. 本工作为下一步研究三维非对称物体密度重建打下基础. 关键词 层析成像 图像重建 变分模型 正则化 Abel 逆变换 主题分类 34A55, 47A52, 47J25, 47J30, 94A08 1 引言 因为实际应用中的图像都是以矩阵形式给出的, 传统图像处理通常是以统计或线性滤波方法实现, 如此矩阵处理方法容易实现, 特别是速度很快. 然而, 较为复杂的问题处理效果就不理想了. 从20 世 纪90 年代初, 随着数字图像应用的逐渐推广, 数学家们开始考虑把一个图像矩阵看作观测图像函数的 离散, 利用丰富的数学技巧来研究更多的新数学工具, 来解决各种图像函数处理问题, 使得解有高精 度, 如传统方法中没有的理想几何性质— 先函数处理, 后函数离散. 例如, 文献 [1,2] 提出了用变分模 型进行图像恢复和重建; 文献 [3] 给出的一个变分模型, 可以用分块光滑函数逼近L2 函数, 找出块函 数间的间断集合, 被广泛用于图像自动分割, 详见专著 [4,5]. 如今, 图像科学已发展为一门跨学科的前 沿数学学科. 本文介绍单幅X 射线图像密度重建中的一些数学结果. 为了引入我们要考虑的问题和模型, 首先概述一下有关的图像恢复和重建的简单模型. 值得一提 的是, 因为观测图像和真解不类似, 密度重建问题比图像去噪去模糊问题显得更复杂、更有挑战性. 图像去噪去模糊模型 设z = z (x, y) : 2 → 为含有未知Gauss 相加白噪声η 的观测图像函数, 令K 为有卷积定义的 [4] 线性模糊函数算子 . 图像去噪去模糊模型有下面的关系式表示: 英文引用格式 Chen K, Wei S H. On some variational models and their algorithms for axially symmetric objects tomography from a single X-ray source (in Chinese). Sci Sin Math, 2015, 45: 1537–1548, doi: 10.1360/N012015-00072 陈柯等: 轴对称物体X 射线层析成像的变分模型与算法 z = Ku + η, (1.1) 2 其中η ∈ N (0, σ ). 方程 (1.1) 作为一个典型的反问题, 若没有正则化, 则是没有唯一解的. 加上任一正 则化, 解能得到唯一, 数学解没有问题, 但不一定有应用价值, 解好坏有数学方法判断, 对图像问题, 也 可用视觉判断. 选择适当或最佳正则化, 是个数学难题. 文献 [1] 通常被公认为是最有开创性的工