改进投影数据访问顺序CT图像重建研究.docVIP

改进投影数据访问顺序CT图像重建研究 　　摘 要：代数重建算法是CT图像重建中较为常用的图像重建算法，重建图像的质量和速度是评价重建算法优劣的两个重要标准。传统的代数重建算法有重建质量低、速度慢的缺点。针对这些缺点，提出了一种改进投影数据访问顺序的代数重建算法。该算法通过对投影访问顺序的选择，减小了投影数据间的相关性，同时保证了投影角度的均匀分布，避免了密集访问情况的出现。实验结果证明，采用改进的算法进行CT图像重建不仅能减少图像伪影，而且能很好地改善重建图像质量，明显加快重建速度。 　　关键词：CT图像重建；代数重建；投影数据；访问顺序；最小相关性 　　DOIDOI：10.11907/rjdk.171337 　　中图分类号：TP317.4 　　文献标识码：A 文章编号文章编号：1672-7800（2017）008-0189-04 　　0 引言 　　计算机断层成像（Computed Tomography， CT）技术从外部测量物体得到数据重建内部信息，普遍应用于医学、无损检测等领域[1]。代数重建法（ART）和滤波反投影法（FBP）是CT图像重建的两类经典算法[2]。FBP算法重建的?D像质量好且速度快，但其条件是有充足的投影数据，而现实操作中却很难做到。ART算法不需要这一条件，但其重建速度会减慢[3]。将现实问题转化为运用代数方式解线性方程组的数学问题是ART算法的核心思想[4]。初值选取、投影数据访问顺序、松弛参数选择等因素对重建过程都有不同程度的影响[5-7]。其中，投影数据访问顺序对重建速度和质量影响较大。为此，学者进行了大量研究，如固定角度访问顺序、Van Dijke[8]提出的随机访问顺序等。通过深入分析与研究，本文提出一种基于改进投影数据访问顺序的ART算法，以求改善CT图像重建的精度和速率。 　　1 ART算法原理 　　ART算法首先将被重建的物体离散化为一个个像素或体素，这些图像数据就相当于一个未知的数学矩阵，通过不同投影角度获取的投影数据联合这一未知的数学矩阵建立线性方程组，用迭代的方式求解方程组便可得到原始图像矩阵[9]。本文以二维图像为例，将待重建图像离散化为N=m×n个图像像素，待重建区域划分为一个个网格，并用xi（1≤i≤N）表示第i个网格内像素的平均值，如图1所示。 　　在此，采用平行束投影方式进行数据采集。平行射线的总数为M，图像像素的总数为N，待重建区域由N个边长为1的正方形网格组成。按照CT图像重建原理以及构造的数学模型，投影数据与像素值之间的关系可用下式表示： 　　W11x1+W12x2+…+W1NxN=p1W21x1+W22x2+…+W2NxN=p2…WM1x1+WM2x2+…+WMNxN=pM （1） 　　式（1）中，Wij为权重因子，即第i条射线对第j个像素的奉献值，pi（1≤i≤M）为待重建图像在第i条射线上的投影值，即待重建图像沿此射线方向的线积分。由于M、N的值通常都很大，且每条射线与像素的交点个数较少，权重因子矩阵成为大型稀疏矩阵，所以只能采用迭代方式求解。 　　ART 算法通过对未知图像矩阵赋初值，再将射线扫描图像得到的实际投影数据与估计的投影数据进行比较，使用迭代公式对初值进行校正与更改，便可完成第一次迭代。若一次迭代后未满足收敛条件，则将更新后的图像矩阵作为下一次的初值，继续以上步骤直至达到收敛条件[10]。ART算法的迭代公式如下： 　　x（n + 1）j = x（n）j + λWij ∑Nj = 1W2ij pi -∑Nj = 1Wij x（n）j（2） 　　式（2）中，n为迭代次数，λ为松弛参数（0λ2），且i=1，2，…，M，j=1，2，…，N。 　　2 投影数据访问顺序改进 　　2.1 最小相关性原理 　　将方程组（1）中的M个方程抽象化为N维空间内的M个超平面，若方程组的解只有一个，M个超平面的交点便是其解。若MN，方程组便不会有唯一解，超平面的交点附近会产生震荡；若MN，方程组会有无数个解，ART算法原理就是通过不断迭代使得最终结果接近真实的像素值[11]。ART算法之所以重建速度慢，原因就是由于相邻超平面内的像素信息和射线扫描得到的投影数据很接近，导致方程组的线性相关性太强，造成大量重复数据出现。减小投影数据间的相关性成为改进ART算法的重要途径。以二维超平面为例，反映ART算法迭代方式以及访问顺序选择对收敛速度的影响如图2所示。 　　初始值设为x0，将x0投影至第一个超平面，再将得到的值垂直投影至第二个超平面，反复操作直至达到两个超平面的交点。从图2得出结论：到达交点需要的迭代次数随着夹角的增大而减少。若超平面的夹角为直角，迭代2次便可完成。同时，超平面的夹角较大时，可获得较高精度的最终解。因此，为了达到收敛速