基于相关系数和双向扩散结合优质正电子发射断层重建算法.docVIP

基于相关系数和双向扩散结合优质正电子发射断层重建算法 　　摘要：在正电子发射断层成像（PET）中，传统迭代算法会造成重建图像细节信息丢失或目标边界模糊。为了解决上述问题，提出一种基于相关系数和双向扩散结合的优质中值先验（MP）重建算法。首先，引入特征因子相关系数来表征图像局部灰度统计信息，构造出结合相关系数的双向扩散模型；其次，考虑到双向模型对背景和边缘区别处理的优点，将新模型应用到中值先验分布的最大后验重建算法中，形成基于双向扩散的中值先验重建算法。实验结果表明，该算法在去除噪声的同时能够较好地保持图像中的目标边界信息，信噪比（SNR）和均方误差（RMSE）的变化也能直观体现重建图像质量的提高。 　　关键词：正电子发射断层成像；图像局部灰度；双向扩散；中值先验；最大后验重建 　　中图分类号：TP391 　　文献标志码：A 　　0引言 　　正电子发射断层成像（Positron Emission Tomography， PET）是现代核科学的代表，它利用放射性核素标记物对组织功能进行显像，能够无创、动态、定量地观测到活体生理和生化变化[1-2]。根据Bayesian理论，可通过引入图像的先验分布约束对重建结果加以正则化，从而提高重建结果的噪声性能以及重建图像的空间分辨率。但是传统方法只能为重建提供有限的局部先验信息，可能造成重建图像过平滑或产生阶梯状边缘伪影。所以，如何准确地描述先验信息，对PET重建具有非常重要的意义[3-4]。 　　根据断层图像的特点，Alenius等[5-6]在1996年提出了中值根先验（Median Root Prior， MRP）重建法。MRP在迭代过程中使用中值滤波器，具有很好的边缘保持能力，但它只是一个经验公式，没有相应的价值函数或目标函数。Hsiao等[7]在2003年通过构建一个辅助矢量，提出了MRP的改进算法，即中值先验（Median Prior， MP）算法。MP算法具有相应的目标函数，能很好地保持边缘，但对泊松噪声和高斯噪声的平滑效果不明显。颜建华[8]在2007年进一步改进了MP算法，提出了一种结合各向异性扩散方程的中值先验的图像重建算法（Partial Differential Equation Median， PDEMedian）。该算法在去除噪声的同时，能很好地保持图像的边缘信息。但是PDEMedian所采用的PM（PeronaMalik， PM）扩散模型仅考虑图像的梯度信息，无法有效保持低梯度值处的细节信息，且对孤立噪声的去除效果不佳[9]。 　　针对上述问题，本文提出了一种结合相关系数的双向扩散模型，该模型引入了一个表征图像局部灰度统计特征的因子即相关系数。本文采用图像的梯度算子和相关系数共同表征图像的特征，同时考虑正向扩散和逆向扩散，对图像的不同区域进行不同的处理。将新模型应用于重建算法，形成了基于相关系数和双向扩散结合的优质中值先验（Correlation Coefficient and ForwardAndBackward diffusion Median Prior， CFABMP）重建算法。实验结果表明，新算法克服了传统算法中图像退化的缺点，能够重建出更加优质的图像。 　　1.2各向异性扩散滤波器 　　各向异性扩散滤波器源于经典的热传导方程，各向异性扩散PM（PeronaMalik）模型描述为： 　　2重建算法 　　2.1结合相关系数的双向扩散模型 　　针对经典双向扩散模型[13～16]仅考虑图像梯度信息的不足，本文引入了一个表征图像局部灰度统计特征的因子即相关系数，用表征图像的局部统计信息的相关系数和梯度信息共同表征图像的特征。图像灰度相关系数即中心像素与其周围像素在灰度特征上的相关程度，认为图像有用信息处相关性大，噪声点处相关性小。改进扩散模型如下所示： 　　2.2基于相关系数和双向扩散结合的优质中值先验重建算法 　　由于核医学图像包含大量的Poisson和高斯噪声，而MP算法对这两种噪声的去除效果并不理想。颜建华[8]提出的PDEMedian算法虽然能去除噪声，但是随着迭代过程的进行，重建图像出现阶梯效应或积块现象，且边缘结构易被破坏。为解决上述问题，本文提出基于相关系数和双向扩散结合的优质中值先验（CFABMP）重建算法，每次中值滤波之前，先对当前重建图像进行扩散滤波，在重建中，图像的每个像素灰度值都接近于它邻域像素灰度值经过复合滤波后的值。该算法主要分为两大步骤。 　　1）基于改进双向扩散模型的扩散滤波。 　　3实验结果及分析 　　本文所有仿真实验在AMD AthlonX2 3800+兼容机上，采用Matlab2008进行操作。重建所用体模1为shepplogan头部剖面模型；体模2为Thorax胸腔截面模型，体模大小均