论文部分内容阅读
高分辨显微CT是采用X射线成像原理进行高分辨三维成像的一种新型设备,具有非破坏性、非介入式和高分辨率的优点,被广泛应用于小动物活体成像、骨微结构研究、药物开发和古生物研究等诸多领域。为了实现系统的高分辨,该系统采用了基于微焦斑X射线源和X线耦合可见光系统探测器组合的基本结构。由于X线源的低功率和探测器光路的低转换效率,容易导致光子数不足,从而使得投影数据信噪比降低,影响重建图像的质量；提高辐射剂量的方法虽然可以改善成像质量,但过多照射剂量会引起生物体细胞、组织和器官的病变,因此如何对图像中的低剂量噪声进行有效抑制成为显微CT的一个技术难题。同时,受限于设备的物理条件和实际应用需求,现有的X线光路系统不能完全满足探测系统高分辨的要求,使得利用数字方法进行超分辨图像重建变得非常必要。本项目为了满足高分辨显微CT系统的应用需求,重点开展了这两方面的研究工作。对图像的低剂量噪声抑制问题,本文工作主要集中在投影数据的噪声特性和图像重建去噪算法等方面的研究上。首先使用统计学方法分析了低剂量投影数据的噪声模型,然后针对现有的用于去除低剂量噪声的经典惩罚加权最小二乘(PWLS)法进行了分析和改进,并提出一种具有保边性能的PWLS算法,该方法使得去噪后的图像在平滑程度和边缘保持性上获得了平衡。通过实际显微CT数据的实验测试,对比经典的PWLS算法,本文算法的结果在图像信噪比和均方误差等评价指标上均有比较明显的提高,且本文算法结果的图像边缘更加清晰。上述算法的重建过程中涉及的投影和反投影计算最为耗时,应用于三维锥束重建的执行效率很低。本文根据PWLS算法的特点设计了基于CUDA的并行优化算法,针对投影和反投影过程中主循环参数的不同,分别设计了基于射线追踪和基于体素追踪的并行计算方法。具体来说,在投影计算并行过程中将重建数据绑定到三维纹理,并利用纹理拾取加速对重建数据进行滤波采样；在反投影的并行计算过程中,由指定的体素坐标确定射线穿过它后在探测器平面的投影坐标,并使用二维纹理绑定投影数据的差值修正值,加速了插值运算。实验结果表明,提出的并行优化算法能够获得与CPU端几乎同样的图像质量,且执行效率约提高了12倍。就如何提高显微CT的图像空间分辨率,本文提出了一种基于字典学习的超分辨率图像重建方法。该方法首先将重建图像进行了网格细化,并使用面积权重实现对投影过程的精确重建；其次针对图像重建网格细化后未知数的大量增加,带来的欠定方程组求解问题,引入了字典学习的方法,即采用K-SVD算法对高质量的图像进行学习,从中获得字典,并以该字典为基础,将稀疏项约束引入到重建过程中进行求解。实验结果表明,所提出的算法相比传统的采用插值处理的方法能够获得更好的效果。