基于图像总变分和张量字典的多能谱CT材料识别研究

基于光子计数探测器的多能谱计算机断层成像技术(CT), 能够获得多个能量段的能谱信息, 在材料识别方面有着独特的优势。由于窄能谱探测及光子计数探测器存在一致性差的问题, 多能谱CT图像中含有较多的噪声和伪影, 这不利于材料的分解与识别。因此从重建的角度出发, 改进了传统张量字典学习(TDL)方法, 提出一种基于图像总变分(TV)和TDL的图像重建算法, 简称TV+TDL。该算法不但继承了TDL 算法在刻画各个能量通道图像之间相似性的优势, 而且通过引进TV作为正则项, 可进一步恢复图像微小结构和细节并有效地抑制噪声, 提高材料分解精度。仿真实验结果表明, TV+TDL算法能够有效重建高质量的多