自适应稀疏角度CT重建算法：结构张量与全变差结合

“基于结构张量的自适应稀疏角度CT重建算法”主要探讨的是在计算机断层扫描（CT）图像重建过程中如何解决伪影问题和过度平滑现象。研究提出了一种新的自适应方向全变差与Lp范数结合的稀疏重建算法。 该算法首先利用结构张量进行边缘检测，以提高边缘细化的精度。结构张量是一种用于描述图像局部结构特征的矩阵，它可以捕捉到图像的边缘、直线和曲线等几何信息。通过分析结构张量，算法能够提取出图像的结构方向信息。 接下来，算法依据这些结构方向信息来自适应地更新方向全变差（Directional Total Variation,DTV）中的方向和权重。方向全变差是全变差（Total Variation,TV）的一种扩展，它考虑了图像梯度的方向性，有助于保持图像边缘的锐利度。自适应更新方向和权重使得重建过程更加灵活，能更好地适应图像的局部特性。 在优化求解阶段，该算法采用了交替方向乘子法（Alternating Direction Method of Multipliers, ADMM），这是一种有效的解决非凸优化问题的方法，能够将复杂问题分解为更小的子问题，从而简化求解过程。同时，结合广义软阈值算法，对求解结果进行处理，以实现对噪声和伪影的有效抑制。 实验结果显示，提出的算法在主观和客观评价上都表现出优越性。它能有效地抑制CT重建图像中的条形伪影，保持图像边缘的清晰度，从而提高了稀疏重建图像的质量。这种方法对于减少扫描角度的CT成像，特别是在资源有限或需要降低辐射剂量的情况下，具有重要的应用价值。 关键词涉及：稀疏角度投影、Lp范数、结构张量、方向全变差、交替方向乘子法、广义软阈值。这些关键词揭示了研究的核心技术和方法，表明该算法融合了多种数学工具和技术，旨在提升CT图像重建的准确性和质量。 中图分类号和文献标识码则反映了该研究的学科领域和技术性质，属于信息技术与通信工程领域，是一篇具有原创性的学术论文。DOI（数字对象唯一标识符）提供了该文献的唯一标识，方便后续引用和检索。