基于广义TV正则化的锥束CT迭代重建研究

发布时间：2016-11-15 03:27

  本文关键词：基于广义TV正则化的锥束CT迭代重建研究，，由笔耕文化传播整理发布。

《解放军信息工程大学》 2015年

基于广义TV正则化的锥束CT迭代重建研究

陈建林  

【摘要】：计算机断层成像(Computed Tomography,CT)作为最先进的透视成像技术之一,近年来广泛用于医学检查和工业无损检测等领域。为了降低辐射剂量和提高扫描效率,利用不完全角度投影进行重建,已成为CT成像领域研究的热点。基于近似分片常数图像先验假设的总变分(Total Variation,TV)正则化图像重建方法,可以有效克服不完全角度重建中伪影和噪声的影响,却易造成细节过渡平滑和阶梯效应等问题。针对该问题,新提出的总广义变分(Total Generalized Variation,TGV)模型能够有效地逼近任意阶的多项式函数,保持更好的图像分段连续的细节信息,在图像处理领域已取得初步应用。本文对基于TGV正则化的锥束CT重建模型求解策略进行了探索。首先是针对迭代重建中投影模型进行研究,设计针对距离驱动模型的正/反投影并行算法。其次是针对TGV正则化项,设计基于广义TV最小化的重建算法。最后设计基于GPU机群的加速平台,进一步提高重建算法的计算效率。主要研究工作如下:1、提出了一种基于三维距离驱动模型的快速正/反投影并行算法。现有距离驱动投影模型具有精度较优的优势,然而该模型投影点遍历结构不适合直接进行并行计算的开发。针对该问题,本文设计了一种基于遍历贡献探元的三维距离驱动快速正/反投影并行算法。该方法基于探元、图像层、层间三级并行结构,通过遍历贡献探元区域实现了模型匹配且具有良好并行特性的正/反投影计算结构。仿真数据和真实数据实验证明:该算法能够获得相比与串行算法约170倍的加速比,且相比于近似模型不匹配的并行算法,能够保持原有距离驱动模型的高精度,获得较高的重建质量。2、提出了一种基于广义TV正则化的锥束CT迭代重建算法——广义TV交替方向最小化(TGV-ADM,Total Generalized Variation Alternating-Direction Minimization)重建算法。本算法基于稀疏图像重建理论,构建广义TV最小化重建模型。在增广lagrange函数法的框架下,通过引入辅助变量,将模型中TGV正则化项转变为三个独立变量的优化问题,利用交替方向法将其分解为一系列具有解析解的子问题。在TGV正则化项子问题中,可利用FFT技术对差分矩阵计算过程进行高效实现;在图像f子问题中,针对求伪逆过程计算开销过大的问题,利用线性化和近似点技术,使其可通过FFT在频域中实现解析解的快速计算,从而大幅降低了算法复杂度。经过仿真数据和实际数据重建的验证,该算法在三维锥束CT重建中,重建速度与主流的TV重建算法相当,且其重建结果能够明显改善TV重建所出现的阶梯效应和细节平滑现象。3、提出了一种基于图形处理单元(Graphics Processing Unit,GPU)机群的迭代重建算法加速方法。针对迭代型重建算法对计算资源需求庞大的问题,基于多GPU和机群技术的融合,设计相对应的加速方法。该方法针对迭代重建算法的数据和任务特点,通过设计合理的数据划分和数据通信策略以及GPU内部优化策略,实现重建算法的加速。实验结果表明:该方法在获得与单一计算机相同重建质量的同时,提高了迭代重建算法的速度。随着计算节点数量的增加,重建算法的加速比明显提升。

【关键词】：
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 王林元;刘宏奎;李磊;闫镔;张瀚铭;蔡爱龙;陈建林;胡国恩;;基于稀疏优化的计算机断层成像图像不完全角度重建综述[J];物理学报;2014年20期

2 陈建林;闫镔;李磊;席晓琦;王林元;;CT重建中投影矩阵模型研究综述[J];CT理论与应用研究;2014年02期

3 王林元;张瀚铭;蔡爱龙;闫镔;李磊;胡国恩;;非精确交替方向总变分最小化重建算法[J];物理学报;2013年19期

4 张瀚铭;王林元;闫镔;李磊;席晓琦;陆利忠;;Image reconstruction based on total-variation minimization and alternating direction method in linear scan computed tomography[J];Chinese Physics B;2013年07期

5 文再文;印卧涛;刘歆;张寅;;压缩感知和稀疏优化简介[J];运筹学学报;2012年03期

6 韩玉;闫镔;宇超群;李磊;李建新;;锥束CT FDK重建算法的GPU并行实现[J];计算机应用;2012年05期

7 焦李成;杨淑媛;刘芳;侯彪;;压缩感知回顾与展望[J];电子学报;2011年07期

8 李建江;李兴钢;路川;樊少明;;一种单GPU程序向多GPU移植的模板化技术[J];计算机研究与发展;2010年12期

9 ;A Compound Algorithm of Denoising Using Second-Order and Fourth-Order Partial Differential Equations[J];Numerical Mathematics:Theory,Methods and Applications;2009年04期

10 张顺利;张定华;黄魁东;程云勇;;锥束ART算法快速图像重建[J];仪器仪表学报;2009年04期

【共引文献】

中国期刊全文数据库 前10条

1 杜宝;罗健;胡飞;柳小勤;伍星;;基于压缩感知的平面近场声全息方法及其应用[J];机械强度;2016年03期

2 徐立军;杨秋翔;雷海卫;;一种基于压缩感知的改进全变分图像去噪方法[J];微电子学与计算机;2016年06期

3 闫浩;董春曦;赵国庆;;基于压缩感知的分数阶Fourier域LFM信号检测[J];微波学报;2016年02期

4 KANG Chunyu;LI Qianyan;ZHANG Xinhua;LI Jun;;Direction of arrival estimation and signal recovery based on single snapshot compressed sensing in frequency domain[J];Chinese Journal of Acoustics;2016年02期

5 LI Zhetao;XIE Jingxiong;ZHU Gengming;PENG Xin;XIE Yanrong;CHOI Youngjune;;Block-Based Projection Matrix Design for Compressed Sensing[J];Chinese Journal of Electronics;2016年03期

6 周燕;曾凡智;赵慧民;;一种HSV空间上分层压缩感知的图像检索算法[J];中山大学学报(自然科学版);2016年03期

7 徐晓赫;刘娇;赵生妹;;一种针对背景变化的移动物体压缩量子关联成像方法[J];南京邮电大学学报(自然科学版);2016年02期

8 陈天宇;吴凡;马世杰;李雷;;基于CS和LS-SVM的入侵检测算法[J];计算机技术与发展;2016年05期

9 韩忠辉;;基于FFS的压缩感知算法研究[J];自动化技术与应用;2016年04期

10 陈雷;郑德忠;廖文喆;;基于压缩感知的含扰动电能质量信号压缩重构方法[J];电工技术学报;2016年08期

【二级参考文献】

中国期刊全文数据库 前10条

1 杨富强;张定华;黄魁东;王鹍;徐哲;;CT不完全投影数据重建算法综述[J];物理学报;2014年05期

2 王林元;张瀚铭;蔡爱龙;闫镔;李磊;胡国恩;;非精确交替方向总变分最小化重建算法[J];物理学报;2013年19期

3 许志强;;压缩感知[J];中国科学:数学;2012年09期

4 文再文;印卧涛;刘歆;张寅;;压缩感知和稀疏优化简介[J];运筹学学报;2012年03期

5 阙介民;王燕芳;孙翠丽;魏存峰;史戎坚;魏龙;;基于不完备投影数据重建的四种迭代算法比较研究[J];CT理论与应用研究;2012年02期

6 赵星;胡晶晶;王晋君;张朋;;GPU加速实现的锥束CT高精度正投影算法[J];北京理工大学学报;2010年12期

7 孙毅刚;孙修宇;张红颖;;基于现代GPU的实时锥束重建算法研究[J];核电子学与探测技术;2010年09期

8 王珏;曹思远;邹永宁;;利用CUDA技术实现锥束CT图像快速重建[J];核电子学与探测技术;2010年03期

9 Elaine T.Hale;;FIXED-POINT CONTINUATION APPLIED TO COMPRESSED SENSING:IMPLEMENTATION AND NUMERICAL EXPERIMENTS[J];Journal of Computational Mathematics;2010年02期

10 李博;李曦鹏;张云;陈飞国;徐骥;王小伟;何险峰;王健;葛蔚;李静海;;耦合Nvidia/AMD两类GPU的格子玻尔兹曼模拟[J];科学通报;2009年20期

【相似文献】

中国期刊全文数据库 前10条

1 李妍妍;李媛媛;叶世伟;;基于流形正则化的支持向量回归及应用[J];计算机应用;2007年08期

2 毛玉明;郭杏林;赵岩;吕洪彬;;基于精细计算的动载荷反演问题正则化求解[J];动力学与控制学报;2009年04期

3 仇光;郑淼;张晖;朱建科;卜佳俊;陈纯;杭航;;基于正则化主题建模的隐式产品属性抽取[J];浙江大学学报(工学版);2011年02期

4 刘超,刁现芬,汪元美;超声逆散射成像问题中的正则化方法研究[J];浙江大学学报(工学版);2005年02期

5 周定法;;电磁逆散射成像的一种混合正则化方法[J];微计算机信息;2007年13期

6 顾勇为;归庆明;张磊;;基于复共线性诊断的正则化方法[J];信息工程大学学报;2007年04期

7 蔡传宝;汤文成;;基于有限元法-正则化的弹性模量反求算法研究[J];应用力学学报;2009年01期

8 侯卫东,莫玉龙;动态电阻抗图象重建的正则化方法[J];计算机工程;2001年09期

9 王彦飞;数值求解迭代Tikhonov正则化方法的一点注记[J];数值计算与计算机应用;2002年03期

10 许建华,张学工,李衍达;最小平方误差算法的正则化核形式[J];自动化学报;2004年01期

中国重要会议论文全文数据库 前8条

1 杨元喜;徐天河;;综合验前模型信息和验后观测信息的自适应正则化方法[A];《大地测量与地球动力学进展》论文集[C];2004年

2 解凯;吕妍昱;;一种高效的正则化参数估计算法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

3 苏利敏;王耀威;王彦飞;;基于SAR特征的正则化计算方法及其在纹理分类中的应用[A];第25届中国控制会议论文集（下册）[C];2006年

4 曹毅;吕英华;;基于微遗传算法和正则化处理的模糊图像复原方法[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

5 周定法;薄亚明;;解电磁逆散射问题的截断完全最小二乘方法[A];第七届工业仪表与自动化学术会议论文集[C];2006年

6 魏素花;王双虎;许海波;;轴对称物体X射线层析成像的正则化方法[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年

7 刘晓芳;徐文龙;陈永利;;基于非二次正则化的并行磁共振图像保边性重建[A];浙江生物医学工程学会第九届年会论文汇编[C];2011年

8 王金海;王琦;郑羽;;基于L_1正则化和投影方法的电阻抗图像重建算法[A];天津市生物医学工程学会第三十三届学术年会论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 钟敏;反问题多尺度迭代正则化方法[D];复旦大学;2014年

2 产文;Web社区问答检索的关键技术研究[D];复旦大学;2014年

3 王静;电阻抗成像的几种正则化方法研究[D];哈尔滨工业大学;2015年

4 李维;有限元方法和正则化策略在光学分子影像中的应用[D];西安电子科技大学;2015年

5 闫青;基于梯度正则化约束的图像重建算法研究[D];上海交通大学;2014年

6 方晟;基于正则化的高倍加速并行磁共振成像技术[D];清华大学;2010年

7 肖铨武;基于核的正则化学习算法[D];中国科学技术大学;2009年

8 薛晖;分类器设计中的正则化技术研究[D];南京航空航天大学;2008年

9 王林军;正则化方法及其在动态载荷识别中的应用[D];湖南大学;2011年

10 吴颉尔;正则化方法及其在模型修正中的应用[D];南京航空航天大学;2007年

中国硕士学位论文全文数据库 前10条

1 焦彩红;正则化夹角间隔核向量机[D];河北大学;2015年

2 牛征骥;基于混合范数的电阻率反演算法研究[D];大连海事大学;2015年

3 杨娇;参数变化识别问题的稀疏约束正则化方法及应用[D];哈尔滨工业大学;2015年

4 张衍敏;基于正则化的多分散系纳米颗粒粒度反演优化方法研究[D];齐鲁工业大学;2015年

5 吴瀚;对于使用Adaptive Lp正则化的线性回归问题在高维情况下渐近性质的讨论[D];复旦大学;2014年

6 余钜东;正则化方法解决神经网络稀疏化问题[D];大连理工大学;2015年

7 高路;基于Bregman的CT稀疏角度迭代重建研究[D];西安电子科技大学;2014年

8 周阳权;井地电阻率成像2.5D正反演及其应用研究[D];东华理工大学;2015年

9 赵莉平;两类分数次微分相关反问题的正则化方法[D];西北师范大学;2015年

10 何淑梅;双层球域上逆热传导问题的经典正则化方法[D];西北师范大学;2015年

  本文关键词：基于广义TV正则化的锥束CT迭代重建研究，由笔耕文化传播整理发布。

本文编号：175217