基于改进KSVD字典学习CT图像重建算法.docVIP

基于改进KSVD字典学习CT图像重建算法 　　摘要：不完全投影数据图像重建为降低照射剂量提供了一个新的解决方案。在KSVD字典学习算法中，由于选取KSVD算法中的初始化字典对训练得到的自适应字典构造有影响，因此通过引进一个稀疏初始化字典矩阵，使KSVD字典学习算法能更好地适应于稀疏图像重建。在此基础上，提出了一种基于改进的KSVD字典学习和SART重建算法相结合的图像重建算法。实验结果表明，该算法能够在投影数据不完备的情况下准确地重建出图像，同时保留图像的细节分量，提高重建图像的质量，尤其是可以减少由于投影数据不完备而造成的条状伪影现象。 　　关键词关键词：图像重建；SART算法；KSVD字典学习；稀疏角度 　　DOIDOI：10.11907/rjdk.161351 　　中图分类号：TP317.4文献标识码：A文章编号文章编号2016）007019003 　　0引言 　　CT技术在提供快捷、精准的诊断手段的同时，射线辐射也成为了亟待解决的问题，而研究不完全角度下的图像重建问题，能够有效解决射线辐射问题。CT重建算法中，一般要求完备的投影数据集。但在很多实际应用中，由于成像系统扫描的几何位置约束或数据采集时间上的不同，导致采集到的数据不完备，从而使重建得到的图像存在着条状伪影现象，并使图像中的细节变得完全模糊。也即是说，现有的图像重建算法无法很好地改