[发明专利]一种不确定度约束的高能闪光X射线图像线性重建方法

说明书

本发明公开一种不确定度约束的高能闪光X射线图像线性重建方法。设计一种两级框架，通过高级别目标参数的不确定度约束高分辨率图像的重建过程以消除由光程图像中噪声引起的采样样本不稳定现象，并在两级框架中考虑后验分布的变量分裂形式从而探索更灵活且准确的采样步骤。采用具有一阶截断CG优化器的高效MCMC算法近似目标参数的后验分布，提高算法采样效率，最后采用精化步骤去除样本均值中残留的噪声。该算法计算效率高，并能有效提高图像重建质量。

技术领域

本发明属于图像处理技术领域。

背景技术

高能闪光X射线照相技术研究的目标具有等效厚度厚、内部形貌复杂和快速动态过程等特征，根据高强度脉冲X射线穿透不同密度、厚度被照目标的衰减特性在成像平面上可得到正向静态投影图像，对投影图像进行反演可实现对目标内部结构有效性与稳定性的诊断，具备穿透能力强、脉宽短、非接触等特征。目前，国际上开展高能闪光X射线照相研究的国家主要有美、俄、英、法、中五国，区别主要在于用于产生电子束的加速器不同，其中中国、美国、法国均采用直线感应加速器，俄罗斯采用Betatron加速器，英国采用感应叠加器，综合对比下采用直线感应加速器的技术路线更具优势。美国先后建成了PHERMEX、FXR、DARHT-I和DARHT-II装置，高能闪光X射线照相能力得到逐步提升，其中PHERMEX装置基于射频直线加速器，后三台装置均采用直线感应加速器，DARHT-I、DARHT-II装置成直角布局实现双轴照相功能。中国工程物理研究院也先后建成神龙一号、二号大型高能闪光X射线照相装置，具备纳秒级别的脉冲源，且成直角布局，其中神龙二号装置可直接产生三个脉冲，是我国核武器高能闪光X射线照相和直线感应加速器发展的重要里程碑。高能闪光X射线成像过程易受噪声、系统模糊、散射等退化因素的影响，其成像模型往往呈非线性特征，给不确定量化下目标内部密度的真实反演和界面的准确检测带来了困难。目前目标密度重建问题上的研究资料较少且以实验仿真为主，技术发展缓慢，现有重建方法不能完全满足物理特性研究工作的需求。如何有效构造成像的数学模型并从低信噪比的投影数据中重建出高精度的目标密度和界面信息，是高能闪光X射线照相定量诊断和分析的研究重点。

基于贝叶斯理论的马尔科夫链蒙特卡罗(Markov Chain Monte Carlo，MCMC)方法能够结合多种先验信息对目标参数的分布提供全面的描述，在正则项系数不受初始值影响的情况下提高目标参数全局解的精度，并能够量化目标参数的不确定度，是求解高维非线性重建问题的有效方法。由于高能闪光X射线投影数据维度较高以及正向投影矩阵的稀疏特征，直接基于MCMC-Bayesian方法对投影数据重建存在计算量大且对噪声敏感等问题，重建效率和精度较低。高能闪光X射线成像模型受系统模糊的影响呈非线性特征，直接对非线性成像模型进行求解存在计算量大以及推理复杂等问题。

发明内容

针对高能闪光X射线图像重建算法存在计算量大且对噪声敏感的问题，本发明提供一种不确定度约束的高能闪光X射线图像线性重建方法。为了模型求解的方便，本发明忽略了系统模糊对重建结果的影响，将非线性问题简化为线性问题，研究了一种基于MCMC不确定度约束的高效图像线性重建方法，该方法计算效率高，可改善目标图像重建的质量，获取高质量的重建结果，提高高能闪光X射线诊断中目标界面检测和密度测量的精度。

本发明的技术方案包括以下步骤：

1)对高能闪光X射线成像模型进行线性化，构建待求解的线性成像模型；

2)探索贝叶斯理论下的高维后验分布，通过目标参数假设的先验分布和基于观测数据的超参数进行建模，从而采用MCMC算法对联合后验分布进行采样；

3)为探索更加灵活且准确的采样步骤，将变量分裂的概念引入到分层贝叶斯框架中，推导出相应的条件分布，采用具有一阶截断CG优化器的高效MCMC算法近似目标参数的后验分布，实现高效的图像线性重建，解决MCMC算法直接求解高维线性反问题的计算瓶颈；