[发明专利]基于组稀疏正则化的全变分高能闪光照相密度反演方法

说明书

本发明涉及一种基于组稀疏正则化的全变分高能闪光照相密度反演方法包括：步骤1.对于待重建客体的每一分层图像，获取相应的投影数据和系数矩阵；步骤2.根据步骤1中的投影数据和系数矩阵，使用全变分算法对初始图像为0的数据正向投影到图像域，获得相应二维图像切片；步骤3.对全变分算法重建的相应二维图像切片的左半部分图像和右半部分图像进行加权平均，得到加权平均后的图像；步骤4.对加权平均后的图像使用组稀疏正则化模型进行正则化处理，得到正则化处理后的结果；步骤5.把正则化处理后的结果利用左右对称性恢复出原始大小的图像，并作为下一次全变分算法迭代的初始图像，返回步骤2，直到满足停止准则为止。

技术领域

本发明属于图像处理领域，涉及一种基于组稀疏正则化的全变分高能闪光照相密度反演方法

背景技术

高能闪光照相利用高能X射线的强穿透能力以及它与物质相互作用的性质，根据成像平面上单位面积的X射线能量空间分布，确定客体的几何性质和物理性质，从而对客体及其内部结构进行定量和物理诊断。利用高能闪光照相获得客体的几何界面位置以及空间密度分布对研究客体在爆轰过程中的行为具有重要意义。在核物理领域，为了研究爆轰过程中物质密度的变化，可以使用高能X射线照射物体，根据投影信息重建内部结构。

高能X射线照相诊断的客体信息是“隐藏”于其投影图像中的，因而需要研究相应的图像重建方法来对客体进行层析成像，以进一步获得高精度的结果数据。高能闪光照相属于投影成像技术，密度图像重建技术是其重要的研究内容。

在高能闪光照相中，每次实验只有一个或两个方向的投影数据，因此，要求密度反演的客体必须具有轴对称性。如果客体不具有轴对称性，就需要多次实验。因此，需要研究少数投影数据条件下的密度反演问题。国内在非轴对称客体的密度反演技术方面的研究还鲜见报道。

压缩感知(Compressive Sensing，CS)由于考虑了信号的稀疏性或可压缩性而成为一种有效的信源处理技术。它是一种不同于奈奎斯特(Nyquist)采样定律的全新信号采样框架。CS可实现以远低于Nyquist的采样率去采样稀疏信号，其核心是利用测量矩阵实现了对原始信号从高维空间到低维空间的线性映射，然后在重建算法中利用了信号的稀疏性/可压缩性实现了原始信号的高概率精确重建。

在高能闪光照相下，待重建客体的物质密度图像可以看做是一种简单的三维图像。通常情况下，组成客体的物质数量不会太多，并且物质的分布很有规律，因此，在表征客体的三维密度图像中，不同区域之间相同密度元素值的相似性可以在图像重建算法设计中作为先验信息加以利用，其可以用CS的思想表征。现有的利用CS思想的全变分(TotalVariation,TV)类算法虽然考虑了图像的局部相似性，但没有考虑图像的非局部相似性，图像的先验稀疏信息利用还不充分，图像的重建精度还有进一步提升的空间。

闪光照相系统中，X射线源与客体之间的距离较长，闪光照相可以近似为平行光束成像。客体尺寸相对照相距离比较小，分层重建与整体重建差别较小，而且整体重建问题规模大，求解速度慢，在实际中不可能，采用分层重建可以降低重建问题规模，加快求解速度。高能闪光照相密度反演问题与CS理论的重建模型有很大的相似性。图像分块CS的重建过程与高能闪光图像分层重建过程也有很大的相似性。

因此，在CS理论的背景下，鉴于目前武器诊断的应用实际，对于上下左右四点对称的客体，如何设计出基于CS的闪光照相密度反演算法，获得高质量的重建图像，是一个值得研究的问题，其中参照方向为初始的射线方向。

发明内容

本发明的目的在于提供一种基于组稀疏正则化的全变分高能闪光照相密度反演方法，用于解决现有技术不能充分利用图像先验稀疏信息的不足，不能有效的提升图像在无噪声和有噪声情况下的重建精度的问题。