偏折角压缩传感修正重建算法在光偏折CT中的应用

"极少方向投影光偏折CT的偏折角压缩传感修正重建" 这篇研究论文探讨了在光偏折层析（Deflection Tomography）技术中，如何利用压缩传感（Compressed Sensing, CS）理论来改进极少方向投影条件下的重建效果。光偏折层析是一种非侵入式的成像技术，它通过测量光束在介质中的偏折角度来推断物体内部的特性，如温度、密度等分布情况。在实际应用中，尤其是在有限的投影角度下，重构图像的质量可能会大幅下降。 论文提出了一种创新的偏折角压缩传感修正重建算法。该算法的核心是将待测场（例如温度场）的梯度视为稀疏性模型，采用l1范数来量化这一特性。l1范数在压缩传感中常用于寻找信号的稀疏表示，它可以有效地降低计算复杂度并提高重建精度。同时，结合最速下降法（Gradient Descent Method），该算法对全变差（Total Variation, TV）进行调整，以实现图像的平滑重建，减少噪声和伪影。 算法的另一个关键点在于引入了压缩传感权重因子，这能够优化迭代过程，使得在数据采集较少的情况下，仍能有效地重构高分辨率图像。通过对比实验，研究者在6个方向的投影数据下，对双峰温度场进行了模拟重建，并与其他已有的算法进行了比较。结果显示，新算法在峰值构建的准确性和图像平滑度上均有显著提升，峰值误差和标准距离误差分别减少了18.32%和46.67%。 此外，论文还通过实验证明了新算法的有效性，具体是对喷焰温度分布的测量。这一实验进一步确认了新算法在处理真实世界复杂场景时的优越性能。论文的这些发现对于优化光偏折层析技术，特别是在有限投影条件下的应用，具有重要的理论价值和实践意义。 关键词：图像系统；光偏折层析；压缩传感；重建算法 中图分类号：O438 文献标志码：A doi:10.3788/LOP51.051102 总结来说，这篇研究论文提出了一个结合压缩传感和偏折角修正的新方法，解决了光偏折层析在极少方向投影数据下的重建难题，提高了重建质量和效率，对于该领域的研究和发展具有积极的推动作用。