研究目的
提出一种基于通用解析阈值表示的、采用阈值形式的交替迭代算法用于CT重建,旨在获得更好的收敛特性,相比使用单一p值的lp(0 < p < 1)正则化方法,该算法能减少更多数据测量量以实现精确重建,并对投影噪声具有更强的鲁棒性。
研究成果
所提出的交替迭代算法在稀疏性增强和抗噪性方面优于单一lp正则化方法。该算法在无噪声条件下能以更少视角实现精确重建,并对含噪声投影表现出更优的收敛特性。交替迭代次数(N1, Np)的选择会显著影响算法性能。
研究不足
lp正则化是非凸的,会导致收敛到局部最优解而非全局最优解。该算法的性能对正则化参数的选择以及交替迭代次数(N1,Np)较为敏感。
1:实验设计与方法选择:
本研究采用交替迭代算法,通过交替最小化一个l1和一个lp(0 < p < 1)正则化的目标函数来实现CT重建。该方法基于对任意0 < p < 1的lp正则化的通用解析阈值表示。
2:样本选择与数据来源:
进行数值模拟和物理模体实验。数值模拟使用改进的Shepp-Logan模体,物理实验通过GE Discovery CT750 HD扫描仪扫描物理模体获取真实数据。
3:实验设备与材料清单:
使用GE Discovery CT750 HD扫描仪对物理模体进行扫描。数值模拟的重建图像尺寸为128×128,物理模体实验为512×512。
4:实验流程与操作步骤:
交替迭代算法针对l1和lp正则化设置特定迭代次数。通过RMSE和SSIM指标分别评估算法在数值模拟和物理模体实验中的性能。
5:数据分析方法:
通过数值模拟的RMSE曲线和物理模体实验的SSIM曲线,定量与定性比较所提算法与单一lp正则化的性能差异。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容