[发明专利]一种稀疏角度快中子CT成像方法

说明书

本发明公开了一种稀疏角度快中子CT成像方法，包括：(S1)利用快中子CT系统采集稀疏角度下待测样品的投影数据，获得待重建切片层的正弦图，并对正弦图进行对数变换处理；(S2)对投影数据采用统计迭代重建算法进行重建，得到初步的重建结果；(S3)构建稀疏角度快中子CT图像重建模型；(S4)对稀疏角度CT图像重建模型进行求解，获得图像全变分优化后的图像；(S5)循环步骤(S2)～(S4)，当循环次数达到预设的次数后即停止计算，并将获得的迭代计算结果作为最终的重建图像。本发明不仅能更准确地刻画噪声模型，获得更好的重建图像，而且有效缩短了快中子CT的扫描时间，提高了迭代收敛速度。因此，本发明更好地满足了实际应用的需求。

技术领域

本发明属于射线透射成像领域，具体涉及一种稀疏角度快中子CT成像方法。

背景技术

快中子CT在含氢材料的无损检测中得到了广泛应用。然而，受中子源强度和探测器探测效率的限制，样品扫描时间长达数小时甚至数天。在保证图像重建质量的前提下如何有效降低扫描时间成为中子CT成像领域研究的关键技术之一。目前降低扫描时间常见的方法有降低每个角度的曝光时间以及减少投影角度，其中降低每个角度的曝光时间会导致投影数据中统计噪声的增加，而减少投影角度即为稀疏角度CT扫描。

针对噪声干扰严重的稀疏角度CT扫描，由于投影数据的缺失，传统的滤波反投影重建算法会导致重建图像中存在严重的条状伪影，重建图像质量较低。针对噪声干扰严重的问题，统计迭代重建算法引入了噪声模型，表现出了较好的重建质量，其中基于最大似然估计的期望值最大化方法(MLEM)算法是一种常用的统计迭代重建算法。针对投影数据缺失问题，2006年Sidky和Pan等基于压缩感知的方法提出了一种全变分最小的凸集投影(TV-POCS)算法，成功实现了稀疏角度CT图像重建。

基于全变分最小的期望值最大化方法(MLEM-TV)结合了MLEM算法和图像全变分最小的模型，针对含噪的稀疏角度CT重建，获得了较好的重建结果。然而，该方法存在噪声模型不准确、收敛速度慢的问题，影响了重建结果，导致重建图像的质量依然不够好。

发明内容

本发明的目的在于提供一种稀疏角度快中子CT成像方法，主要解决现有技术由于存在噪声模型不准确、收敛速度慢而影响到重建图像质量的问题。

为了实现上述目的，本发明采用的技术方案如下：

一种稀疏角度快中子CT成像方法，包括如下步骤：

(S1)设置快中子CT成像几何系统参数，得到系统矩阵，然后利用快中子CT系统采集稀疏角度下待测样品的投影数据，获得待重建切片层的正弦图，并对正弦图进行对数变换处理；

(S2)对步骤(S1)中对数变换处理后的投影数据采用统计迭代重建算法进行重建，得到初步的重建结果；

(S3)利用步骤(S2)获得的图像构建稀疏角度快中子CT图像重建模型，该图像重建模型为：

其中，p是步骤(S1)获取的稀疏角度投影数据；f是当前重建的CT图像；W是CT系统矩阵，由步骤(S1)获取的系统参数确定；为约束条件；||f||_TV表示图像f的全变分函数，其定义为式中，i、j分别表示图像像素点所在的行号和列号，ε为投影数据的噪声水平，η为大于0小于10^-8的常数；

(S4)对步骤(S3)中构建的稀疏角度CT图像重建模型进行求解，获得图像全变分优化后的图像；

(S5)循环步骤(S2)～(S4)，当循环次数达到预设的次数后即停止计算，并将获得的迭代计算结果作为最终的重建图像。

具体地，所述步骤(S2)中，采用以下公式计算获得初步的重建结果：