基于非混淆Contourlet变换和压缩感知的XFCT重构算法

压缩感测(CS)理论具有从稀疏视图投影数据重建CT图像的巨大潜力。当前,基于全变异(CT)的CT重建方法是医学CT领域的研究热点,其在迭代过程中使用梯度算子作为稀疏表示方法。但是,用这种方法重建的图像经常会出现平滑问题。为了提高重建图像的质量,本文提出了一种将电视与非混淆Contourlet变换(NACT)相结合的混合重建方法,并使用Split-Bregman方法解决了优化问题。最后,仿真结果表明,所提出的算法能够以较少的迭代次数从多视点投影中重建高质量的CT图像,比代数重建技术(ART)和基于TV的重建方法更有效地抑制噪声和伪影。