论文部分内容阅读
基于压缩感知理论和离散梯度变换,CT内重建及稀疏角度问题均可以表示为全变差(TV)最小化问题。同时,Split-Bregman算法在求解TV最小化问题方面表现出很大的优越性。本文基于Split-Bregman算法对CT内重建和稀疏角度重建问题进行了研究,主要研究内容如下:(1)推导了CT重建的Split-Bregman算法,研究了算法中正则化参数的选取对重建图像质量的影响;将该算法与传统的TV最小化方法,梯度下降法和软阈值算法进行比较,实验结果表明Split-Bregman算法在收敛性及重建图像质量方面都较传统方法有明显优势。(2)针对Split-Bregman算法在每次迭代都需进行若干次正、反投影操作而计算成本大的问题,使用有序子集(OS)方法对其进行加速,给出了OS-Split-Bregman(OS-SB)算法。将OS-SB算法分别用于CT内重建及稀疏角度问题的TV最小化模型,仿真及实际临床数据实验均验证了所给算法的有效性。