基于稀疏贝叶斯-RNAMBO算法的低剂量CT盲复原方法

刘晓培 ，滕建辅，费 腾，孙云山

(1. 天津大学电气自动化与信息工程学院，天津 300072；2. 天津商业大学信息工程学院，天津 300134；3. 天津大学微电子学院，天津 300072)

大量的研究已证实高剂量的X射线辐射会导致癌症、白血病或其他遗传疾病[1-3]．减少CT检查时X射线的剂量，并且在不牺牲临床诊断信息的前提下对低剂量CT进行复原重建，是许多学者研究的新领域．在CT成像过程中要减少X射线的辐射剂量，有降低投影视角和降低管电流强度两种方法，这会使投影数据的数目少于重建CT图像所需的像素数目，并且CT图像混入大量量子噪声难以去除，此种情况下，点扩散函数和噪声难以估计，CT图像复原变成欠定问题，在图像重建过程中通常要利用先验信息约束解空间，因此，降低重建过程对投影数据的依赖，实现精确的低剂量医学CT重建具有重要的医学价值和应用前景．

由于CT图像采样过程中，受模糊退化与系统噪声影响，如何从众多解中选出最优解，将观测得到的退化图像恢复近似于原始图像，是图像盲复原的最终目标．一些文献使用图像盲复原方法来消除点扩散函数的影响[4-6]．由于CT扫描系统的点扩散函数往往是未知的，针对点扩散函数估计比较困难的问题，卜丽静等[7]在待分析的图像中基于近似点成像特点的基础上，提出了基于特征信息的椭圆抛物面模型，将分离图像信号和噪声的稀疏归一化约束模型引入复原算法．苏畅等[8]将图像分割成多张子图像……