次梯度投影算子求解图像重建问题并行策略.docVIP

次梯度投影算子求解图像重建问题并行策略 　　摘要： 　　将次梯度投影迭代算法应用到数字图像重建问题。将图像重建问题转化为求一个加权最小二乘问题，导出次梯度投影算子在该问题下的具体迭代形式，并采用并行计算策略重建算法。通过三维数值实验对比次梯度投影迭代算法与常用的SART算法，验证算法的可行性和效率。 　　关键词： 　　图像重建； 加权最小二乘； 次梯度投影算子； 并行计算 　　中图分类号： O244；O29 　　文献标志码： A 　　Parallel strategy of subgradient projection operator 　　for image reconstruction 　　WANG Caifang， YIN Xudao， ZHANG Xiaoyuan， XU Zhaoliang 　　（College of Arts and Sciences， Shanghai Maritime University， Shanghai 201306， China） 　　Abstract： 　　The subgradient projection iterative algorithm is applied to digital image reconstruction. The problem of image reconstruction is transformed into a weighted least-square problem， the specific iterative form of the subgradient projection operator is derived， and parallel computing strategy reconstruction algorithm is adopted. The iterative algorithm of subgradient projection and the common SART algorithm are compared by three-dimensional numerical experiments. The feasibility and efficiency of the algorithm are verified. 　　Key words： 　　image reconstruction； weighted least-square； subgradient projection operator； parallel computation 　　收稿日期： 2018-01-26 　　修回日期： 2018-02-05 　　基金项目： 　　国家自然科学基金 　　作者简介： 　　王彩芳（1981―），女，江苏苏州人，副教授，博士，研究方向为数字图像重建算法，（E-mail）cfwang@shmtu.edu.cn 　　0 引 言 　　数字图像重建问题是根据待测物体边界测量数据获取待测物体内部结构的一类反问题。[1]近年来，重建问题的研究主要集中在如何找到一种合适的扫描方式和快速的成像算法。以三维CT为例，基于FDK公式[2]的近似重建算法和基于Katsevich公式[3]的精确重建算法已经在成像领域得到广泛应用。这类分析重建算法虽然成像速度快，但基本在射线变换和三维Radon变换的框架下推演，对数据的完整性要求高。当部分投影数据缺失或获取存在困难时，分析算法设计极为复杂，因此代数算法渐渐进入研究者的视野。随着计算机技术的高度发展，代数重建算法耗时长的缺点也有所改善。 　　为利用代数重建算法，很多成像问题都用线性方程组进行描述。 　　Ax= 　　b（1） 　　式中： 　　A∈Rm×n?橄凳?矩阵，称为成像矩阵；未知数x∈Rn表示待测物体对入射光的吸收系数或其他光学系数；右端项b∈Rm为边界测量数据或修正后的边界测量数据。图像重建问题即为求解光学系数x的反问题。在图像重建问题中，系数矩阵A规模很大，且Ax=b是病态问题。EM迭代算法和Landweber 迭代算法是图像重建问题中应用广泛的两类算法。EM算法主要用于求解观测数据中包含的隐藏参数的极大似然估计或极大先验估计。[4]在成像问题中，其本质为寻找使得观测数据与计算数据之间 Kullback-Leibler（KL）距离最小的解。[5]Landweber 迭代算法包括一系列著名算法：SART算法[6]、CIMMINO方法[7]、CAV算法[8]、DWE算法[9]和DROP方法[10]等。其本质是寻找上述线性系统的加权最小二乘解[5]。Landweber算法的收敛性受迭代过程中松弛因子的影响。次梯度投