基于Chambolle-Pock框架的核TV多通道图像重建算法.docxVIP

基于Chambolle-Pock框架的核TV多通道图像重建算法

摘要：总变差最小化算法是一种基于压缩感知理论的图像重建算法，能够从稀疏投影或含噪投影数据中高精度地重建图像，已经被广泛应用于计算机断层成像、磁共振成像、电子顺磁共振成像。能谱CT、T1或T2加权的MRI及EPRI均属于多通道成像。逐通道TV算法可以实现较高精度的图像重建，然而忽略了各通道图像之间的相似性。核TV算法是一种考虑了通道间图像相似性的TV类算法，可以实现高精度图像重建。面向多通道图像重建，以CT重建为研究范例，本文提出一种Chambolle-Pock算法框架下的核TV多通道图像重建算法。通过仿真模体和真实CT图像模体的重建实验，验证算法的正确性，分析算法的收敛性，探索算法参数对收敛速率的影响，评估算法的稀疏重建能力及含噪投影重建能力。结果表明，相对于逐通道TV算法，所提算法可以取得更高的重建精度。核TV算法是一种高精度的多通道图像重建算法，可以应用于各种成像模态的多通道重建场合。

关键词：图像重建；多通道；总变差最小；图像相似性；压缩感知

反投影重建技术以数学理论为依托，加之计算机技术的支持，在重建领域取得了长足的进步，在临床扫描、工业零件、木乃伊等多领域应用广泛[1]，常用解析法重建图像，然而在稀疏采样时，解析法重建的图像会出现明显的条状伪影[2]。随着压缩感知理论的提出，使得高精度稀疏重建成为可能，总变差（totalvariation，TV）最小化模型是目前重建问题中使用最广泛的正则化方法[3]之一。Sidky等[4]提出TV最小化算法，在仿真模体上可以从高度欠采样的投影数据中高精度地重建图像，可以有效减少辐射剂量，提高扫描速度，在稀疏重建和含噪投影重建中发挥了重要作用，并且该算法可适用于多种层析成像模式，如计算机断层成像（computedtomography，CT）、磁共振成像（magneticresonanceimaging，MRI）、电子顺磁共振成像（electronparamagneticresonanceimaging，EPRI）中。随后，出现了许多TV变体以及将标量值图像重建扩展到矢量值图像重建的算法，如：HOTV[5-6]、TpV[7-8]、NLTV[9]、VTV[10]等，在一定程度上提高了重建精度。

但在实际应用中，各种成像模态均有多通道任务。在CT中有多能谱CT、对比剂增强

CT、不同层厚CT等不同类型的多通道CT，并且多通道之间所形成的图像具有很强的结构相似性；在MRI和EPRI中，有T1或T2不同的加权项，图像之间也具有结构相似性。那么，多通道图像是否可以用TV类算法实现高精度重建成为备受关注的问题。最直接的方式是将各个通道的TV值求和，也称为逐通道TV（channel-by-channelTV，TVs），由于TVs重建图像是单独地惩罚每个通道，并未耦合其他通道的图像信息，忽略了各通道图像之间的相似性。于是，Rigie等[11-12]提出一种TV的多通道泛化方法-TnV模型并将其应用于多通道光谱CT图像重建，通过鼓励不同通道图像具有相同的边缘结构，并且梯度向量指向同一个方向，更好的保留了边界信息，但其推导公式过于复杂。

此外，通常求解TV类最小化模型使用ASD-POCS（adaptivesteepestdescent-projectionontoconvexsets）算法[13-14]，但此算法存在很大的缺点-算法参数需要人为凭经验设定；Chambolle-Pock（CP）算法[15]是一种优秀的凸优化问题求解算法，它以表达形式简单、算法参数不需要人为设定和每个子最优化问题均有闭合解的优点受到一些学者的青睐；Pan团队系统地总结了CP算法，并推导了与CT相关的多个优化问题的CP算法实例并给出伪代码[16]；Qiao等[17]提出了一种新型数据约束的平衡TV-bTV模型，并使用CP算法详细推导了bTV-CP算法实例，推导步骤简单明了，通过引入算法参数ν提高了收敛速率，并对算法的正确性及算法参数对收敛速率的影响进行了详细研究。

鉴于此，本文面向多通道图像重建，以CT重建为研究范例，提出一种CP算法框架下的核TV多通道图像重建算法。基于上述bTV模型的CP算法求解步骤，重新推导核TV模型中较为复杂的部分，并引入算法参数ν提高收敛速率。通过在仿真模体和真实CT模体上的实验，验证算法和计算机实现的正确性；分析算法的收敛性；评估算法参数对收敛速