[发明专利]一种低剂量能谱CT图像去噪方法

摘要

一种低剂量能谱CT图像去噪方法，包括（1）获取成像对象在低剂量射线下的低能量CT投影数据和高能量CT投影数据，并分别对低能量CT投影数据和高能量CT投影数据进行CT图像重建，获得低能量CT图像和高能量CT图像，其中H表示高能，L表示低能；（2）根据步骤（1）中的重建数据所满足的基物质分解模型，构建用于能谱CT图像去噪的数学模型；（3）利用广义全变分作为正则化先验，结合步骤（2）得到的数学模型构建用于图像去噪的目标函数；（4）对步骤（3）中构建的用于能谱CT图像去噪的目标函数采用分裂Bregman算法求解，完成能谱CT图像去噪。本发明利用能谱CT中高低能量图像满足的基物质分解模型，结合能谱CT图像信息和基物质图像信息，实现了能谱CT图像去噪。

主权项

一种低剂量能谱CT图像去噪方法，其特征在于：包括如下步骤，(1)获取成像对象在低剂量射线下的低能量CT投影数据和高能量CT投影数据，并分别对低能量CT投影数据和高能量CT投影数据进行CT图像重建，获得低能量CT图像μL和高能量CT图像μH，其中H表示高能，L表示低能；(2)根据步骤(1)中的重建数据所满足的基物质分解模型，构建用于能谱CT图像去噪的数学模型；(3)利用广义全变分作为正则化先验，结合步骤(2)得到的数学模型构建用于能谱CT图像去噪的目标函数；(4)对步骤(3)中构建的用于能谱CT图像去噪的目标函数采用分裂Bregman算法求解，完成能谱CT图像去噪；所述步骤(2)中的基物质分解模型为：物质对X光子的质量吸收函数μ(E)通过任何两个物质即基物质对的质量吸收函数来表示：μ(E)＝c1μ1(E)+c2μ2(E)，其中μ1(E)和μ2(E)分别是两个物质的质量吸收函数，c1和c2是所需要的基物质对相应的密度，且c1、c2的值与X光子的能量无关；根据基物质分解模型，对于步骤(1)能谱CT的高能量CT投影数据和低能量CT投影数据，对应的物质的质量吸收函数的表达式为：定义物质质量吸收函数矩阵基物质质量吸收函数矩阵基物质密度矩阵C通过逆矩阵计算直接得到，公式为定 义基物质质量吸收矩阵A的逆矩阵形式所述步骤(3)中具体采用使用二阶广义全变分作为先验，二阶广义全变分定义式为：其中α0、α1为非负加权系数；v为广义全变分引入的辅助参数，并取表示对称梯度算子，其中表示梯度算子，T表示矩阵转置运算；所述步骤(3)中构建的用于能谱CT图像去噪的目标函数Φ(X)具体为：其中X表示去噪后得到的能谱CT图像，Y为测量得到的能谱CT图像数据，β1是正则化参数，用于刻画广义全变分正则化强度；所述步骤(4)中分裂Bregman算法的具体计算过程为：引入公式A、公式B和公式C进行迭代求解，A：B：C：其中d1和d2是一个引入的向量值，v1和v2表示残差，n表示迭代步数；具体迭代过程按照如下步骤进行：(4.1)令n＝0，(4.2)按照公式A和B，通过原始对偶算法求解和(4.3)将步骤(4.2)获得的和代入公式C求解Xn+1；(4.4)判断是否迭代终止判断n是否等于N，如果n等于N，则迭代终止，以当前结果作为去噪后的能谱CT图像；如果n小于N，则进入步骤(4.5)；(4.5)令n＝n+1，返回步骤(4.2)；所述步骤(1)还设置有配准处理步骤，具体是：判断所得到的低能量CT投影数据和高能量CT投影数据是否存在位置偏移，当存在位置偏移时采用数据配准的方法将低能量CT投影数据和高能量CT投影数据进行配准处理。