锥束CT的图像分块OSEM重建算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (32): 201-203.

锥束CT的图像分块OSEM重建算法

曾理^1,2,冀东江²,邹晓兵²

1.重庆大学光电技术及系统教育部重点实验室ICT研究中心,重庆 400044
2.重庆大学数理学院,重庆 400044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-11 发布日期:2007-11-11
通讯作者: 曾理

OSEM reconstruction algorithm of cone-beam CT based on image block

ZENG Li^1,2,JI Dong-jiang²,ZOU Xiao-bing²

1.ICT Research Center,Key Lab. of Opt. Tech. and Sys. of the Education Ministry of China,Chongqing University,Chongqing 400044,China
2.College of Mathematics and Physics,Chongqing University,Chongqing 400044,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-11 Published:2007-11-11
Contact: ZENG Li

摘要/Abstract

摘要： 在计算机断层成像（CT）中,有序子集最大期望值算法（OSEM）能够在较短的时间内重建出高质量的图像。对含有噪声的投影数据,投影旋转分度子集划分的不同会影响到图像的重建质量和收敛速度。针对三维锥束CT情况,研究了一种基于图像分块的变子集OSEM重建方法,该方法将图像空间分割成等大小的图像块,然后在迭代过程中,对于不同的图像块用变化的子集进行图像重建。计算机仿真实验表明：该方法在锥束CT图像重建中,能够在抑制噪声的同时提高重建图像的收敛速度。

关键词: 锥束CT, OSEM 算法, 图像分块, 图像重建, 计算机仿真

Abstract: In computed tomography,OSEM（Ordered Subsets Expectation Maximization） has good reconstructed image quality and costs less computation time.When there are noises in projection data,the image quality and convergence are influenced by the different subsets of projective orientation.To three dimensional cone beam CT,OSEM reconstruction algorithm with varied subsets based on image block is researched,the new means partition the image space into equal parts,then for different block image with varied subsets to reconstruct image after each iteration.Computer simulation experiment results show that,in cone-beam CT image reconstruction,this means can improve the convergence speed of image reconstruction and reduce the effect coming from the noise.

Key words: cone-beam CT, OSEM algorithm, image block, image reconstruction, computer simulation

曾理^1,2,冀东江²,邹晓兵². 锥束CT的图像分块OSEM重建算法[J]. 计算机工程与应用, 2007, 43(32): 201-203.

ZENG Li^1,2,JI Dong-jiang²,ZOU Xiao-bing². OSEM reconstruction algorithm of cone-beam CT based on image block[J]. Computer Engineering and Applications, 2007, 43(32): 201-203.

[1]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[2]	王冲，尚晓清. 基于多字典的单幅图像超分辨率重建[J]. 计算机工程与应用, 2019, 55(5): 197-202.
[3]	吴其凡1，张劲1，刘凯1，汤炜2，田卫东2. 下颌骨拼接与导板设计的力反馈虚拟手术研究[J]. 计算机工程与应用, 2019, 55(5): 226-231.
[4]	张宾，张正强，王洪凯. 基于GPU加速的锥束CT重建算法研究[J]. 计算机工程与应用, 2019, 55(4): 208-213.
[5]	汪叶娇，周勇. 新形式勒让德矩的研究[J]. 计算机工程与应用, 2019, 55(22): 152-162.
[6]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[7]	于康龙1，秦卫城1，杨进1，许若飞2. 超分辨重建图像质量评价算法[J]. 计算机工程与应用, 2017, 53(2): 201-205.
[8]	郭鹏. 网络环境下收益管理系统需求无约束估计综述[J]. 计算机工程与应用, 2017, 53(19): 17-25.
[9]	郭士旭1，张正模2，杜建国. 振源定位技术在文化遗产地保护中的应用[J]. 计算机工程与应用, 2017, 53(11): 265-270.
[10]	孔小琴，李琴，李远科，刘武. 基于纠缠的量子密钥分配协议仿真[J]. 计算机工程与应用, 2017, 53(1): 113-117.
[11]	汪慧兰，杨晶晶，毛晓辉，石建平. 自适应的归一化卷积超分辨率重建算法研究[J]. 计算机工程与应用, 2016, 52(8): 191-195.
[12]	范青，于凤芹，陈莹. 基于分块对比的多尺度图像显著区域检测[J]. 计算机工程与应用, 2016, 52(6): 162-166.
[13]	徐　　燕1，罗守华1，陈　　功2，赵富宽3. 基于平板探测器的锥束CT投影图像校正[J]. 计算机工程与应用, 2016, 52(4): 163-167.
[14]	周勇，邢凯男，周雅慧. 基于三角函数的正交矩函数的误差预测与分析[J]. 计算机工程与应用, 2016, 52(2): 180-185.
[15]	丁祖萍，刘坤，王成. 一种基于颜色和纹理的显著性目标检测算法[J]. 计算机工程与应用, 2016, 52(19): 192-195.