有限角度CT重建：乘性正则化的迭代算法

"基于乘性正则化的有限角度CT重建算法" 在计算机层析成像（Computed Tomography, CT）技术中，为了缩短扫描时间并降低X射线对患者的身体损害，通常采用有限角度下的投影数据进行图像重建。有限角度CT重建是解决这一问题的关键，但这也意味着数据不完整，可能导致重建图像质量下降。传统的基于总变分（Total Variation, TV）最小化的图像迭代重建算法在有限角度CT重建中有一定的应用效果，因为TV方法能有效抑制图像噪声并保持边缘清晰。然而，TV方法的优化过程通常依赖于人为设定的权值参数，这些参数的选取需要大量实验对比，而且即使如此，找到的参数可能并非最优。 为了克服这个问题，研究者提出了一种基于乘性正则化的迭代重建算法。这种算法将TV函数作为最小化问题的一个因子，结合乘性正则化项，使得在迭代过程中可以自适应地调整正则化参数。乘性正则化的优势在于它允许参数根据迭代进程动态变化，从而更好地适应图像特性，提高重建质量。通过这种方式，新算法既保留了TV方法的优点，又能灵活适应不同条件下的重建需求。 在实际应用中，研究人员进行了仿真实验来验证该算法的有效性。仿真实验结果表明，基于乘性正则化的有限角度CT重建算法能显著改善图像的重建效果，尤其是在处理噪声数据和边缘保持方面，表现出了优于传统方法的性能。这为临床CT扫描提供了新的可能性，使得在减少辐射剂量的同时，仍能获得高质量的重建图像。 这篇论文探讨了一种创新的CT图像重建策略，通过引入乘性正则化，实现了在有限角度数据下的高效迭代重建。这种方法不仅解决了传统TV方法参数选取的问题，还提升了重建图像的质量，对于推动CT技术的发展具有重要的理论价值和实践意义。