張 斌，王 英，艾憲蕓，魏 星

（防化研究院 國民核生化災(zāi)害防護(hù)國家重點實驗室，北京 102205）

編碼孔γ相機(jī)作為一種新型的核輻射監(jiān)測設(shè)備，能通過生成可視化圖像使操作人員快速識別并定位視野中放射源目標(biāo)，可極大縮短作業(yè)時間，減少人員受到的照射劑量，在環(huán)境輻射監(jiān)測、核廢料處理、通關(guān)口岸貨物放射性檢測等領(lǐng)域具有廣泛應(yīng)用。與普通光學(xué)相機(jī)不同的是，編碼孔γ相機(jī)并不能直接對放射性物質(zhì)進(jìn)行成像，而要在成像過程中進(jìn)行所謂的“編碼”和“解碼”：放射源發(fā)射出的γ射線經(jīng)過編碼孔準(zhǔn)直器調(diào)制后在探測器上形成投影圖像，經(jīng)過離散采樣后傳入計算機(jī)中，再通過特定圖像重建算法恢復(fù)出可視化的放射性強(qiáng)度二維分布圖像。線性算法和迭代算法是編碼孔γ相機(jī)圖像重建中的兩類主要算法。線性算法如交叉相關(guān)法［1］等具有算法簡單、計算速度快的優(yōu)點，但在投影圖像受噪聲影響較大的情況下重建圖像質(zhì)量較差。以MLEM 算法為代表的迭代算法能很好地抑制噪聲，對不完全數(shù)據(jù)亦能重建，然而MLEM 算法的缺點是收斂速度慢，且在投影圖像中包含噪聲較大時，迭代次數(shù)過高會使重建圖像中噪聲隨迭代次數(shù)的增加而加劇。針對這種情況，本文將直接解調(diào)法（direct demodulation method）［2］思想應(yīng)用于MLEM 算法中，在迭代過程中加入先驗物理約束條件，并以交叉相關(guān)法計算結(jié)果作為迭代初始值，加快MLEM迭代的收斂速度，提高重建圖像的質(zhì)量。

1 算法介紹

1.1 二維MLEM 算法

極大似然估計法是根據(jù)極大似然準(zhǔn)則來求解似然函數(shù)中未知參數(shù)的一種參數(shù)估計法，解決這類問題的基本方法是求偏導(dǎo)解方程，但在圖像重建中，未知參數(shù)眾多，計算如此繁復(fù)的方程組幾乎是不可能的。用期望最大化法實現(xiàn)極大似然圖像重建最早由Shepp等［3］于1982年提出，最終形成MLEM 算法。期望最大化法以迭代法為基礎(chǔ)，通過迭代更新方程組中參數(shù)的估計值，使似然函數(shù)不斷增大，直至逼近其最大值，最終獲得極大似然參數(shù)的估計值，這樣就把原本極其復(fù)雜的極大似然估計問題轉(zhuǎn)化為簡單的求解期望值最大化過程。MLEM 算法是一種基于泊松統(tǒng)計模型的貝葉斯后驗概率最大的圖像復(fù)原方法，該算法以符合實際情況的模型為基礎(chǔ)，重建圖像的分辨率和本底噪聲抑制能力較傳統(tǒng)線性算法提升很多，因此在核醫(yī)學(xué)等領(lǐng)域得到了廣泛應(yīng)用。編碼孔γ相機(jī)圖像重建中的二 維MLEM 算 法［4］可 表 示 為：

式中：“＊”表示卷積運(yùn)算；“?”表示相關(guān)運(yùn)算；fk（x，y）為第k次迭代后的圖像估計值；p（x，y）為γ射線透過編碼板后在探測器上的實際投影圖像；h（x，y）為編碼函數(shù)。

1.2 基于約束的MLEM 算法（DD-MLEM）

在理想無噪聲的情況下，MLEM 迭代的解是收斂的，重建出的圖像與目標(biāo)圖像最終趨于一致。但實際成像中所測得的投影圖像數(shù)據(jù)中必然包含有各種噪聲，這使得迭代不能完全收斂：在迭代次數(shù)較低時，圖像質(zhì)量逐漸提高；當(dāng)?shù)螖?shù)超過某一值后，圖像質(zhì)量反而變差。這主要是因為MLEM 迭代的修正準(zhǔn)則是要求投影估計值與實測投影越接近越好，但對于重建出的圖像卻無任何約束。為改善MLEM 迭代在實際使用中的收斂性，本文借鑒了直接解調(diào)法思想來優(yōu)化MLEM算法，提高重建圖像質(zhì)量。直接解調(diào)法最初是一種應(yīng)用于高能射線天文望遠(yuǎn)鏡中的成像方法，該方法與其他算法的顯著區(qū)別是利用先驗的物理知識作為約束條件，并添加到迭代求解的過程中。在迭代過程中加入的物理約束是對于被測目標(biāo)的已知信息，所以使用這種方法不僅能有效抑制投影數(shù)據(jù)中本底噪聲的影響，使迭代收斂性得到明顯改善，而且最終重建出的圖像較單純使用MLEM 算法能更加趨近于真實情況。

實際成像的圖像重建過程中主要使用本底約束條件：若fk（x，y）＜fb（x，y），則令fk（x，y）＝fb（x，y），其中fb（x，y）為本底約束值。如果本底噪聲水平較低，可選擇fb（x，y）＝0；如果本底噪聲較強(qiáng)，為了提高成像靈敏度，需先得到背景輻射強(qiáng)度分布db，db可取估計值或由實際觀測數(shù)據(jù)中剔除放射源影響后獲取，然后再求解調(diào)制方程Hfb＝db（H 為系統(tǒng)的傳遞函數(shù)），最終得到迭代的本底約束fb。

此外，在進(jìn)行圖像重建迭代時，一般選擇均勻的灰度圖像作為迭代的初始值，本文仿真中采用了交叉相關(guān)法的重建結(jié)果作為迭代的初始值，實驗證明這種方法可在一定程度上加快迭代收斂速度。交叉相關(guān)法的計算過程可由下式表示：

其中：O′（x，y）為對放射源目標(biāo)O（x，y）的估計圖像；P（x，y）為投影圖像；G（x，y）為解碼函數(shù)（由成像系統(tǒng)的編碼函數(shù)決定）；N（x，y）為噪聲項。

由此，本文中基于約束的MLEM 算法計算過程可分為以下幾個步驟：

1）令k＝0，初始化fk（x，y）（一般將初始化圖像f0（x，y）設(shè)置為各像素相等的均勻灰度圖像，本文中將其設(shè)置為交叉相關(guān)法的重建圖像）；

2）應(yīng)用式（1）計算fk＋1（x，y）；

3）對fk＋1（x，y）施加一定的物理約束條件；

4）根據(jù)一定的準(zhǔn)則判斷迭代重建結(jié)果是否達(dá)到收斂要求，若已達(dá)到要求，則停止迭代；若未達(dá)到要求，則令k＝k＋1，將更新后的fk（x，y）再次轉(zhuǎn)入執(zhí)行步驟2。

2 仿真實驗與分析

2.1 仿真條件

仿真實驗以19×19的改良均勻冗余陣列（modified uniformly redundant array，MURA）編碼孔準(zhǔn)直器為基礎(chǔ)，成像系統(tǒng)參數(shù)選擇為：物距500mm，像距80mm，編碼板小孔單元邊長2mm，編碼板厚度5mm，材料為鎢。探測目標(biāo)為位于視野中心軸線上的1 個點源，活度為1 MBq，能量為662keV。由上述條件模擬的理想點源圖像和投影圖像如圖1所示。迭代時在模擬投影圖像中加入隨機(jī)高斯噪聲，得到含噪聲的投影數(shù)據(jù)進(jìn)行圖像重建。

2.2 評價準(zhǔn)則

在對比兩種算法重建圖像的效果時，有時通過主觀觀察很難判斷，為了驗證所提出方法的有效性，采用歸一化均方誤差（normalized root mean square error，NRMSE）衡量算法的收斂速度，用相關(guān)系數(shù)（correlation coefficient，CC）評價重建圖像的質(zhì)量，它們的定義［5］分別為：

式中：xij和分別為真實圖像和重建圖像的像素灰度值和分別為真實圖像和重建圖像的平均像素灰度值。歸一化均方誤差表示重建圖像與真實圖像的接近程度，其值越小代表重建效果越好，而相關(guān)系數(shù)評價的是重建圖像與真實圖像的相似度，其值越大表示重建圖像與真實圖像越接近。

圖1 模擬的點源圖像和投影圖像Fig.1 Simulated point source image and projection image

2.3 仿真結(jié)果分析

在實際成像中，當(dāng)成像系統(tǒng)計數(shù)率足夠高時，投影圖像中疊加的噪聲趨近于高斯分布。仿真實驗采用了這一噪聲模型，在DD-MLEM迭代中構(gòu)造基于高斯分布的本底并進(jìn)行圖像重建，將重建后的背景圖像作為迭代約束條件，采用交叉相關(guān)法計算結(jié)果作為迭代初值。圖2和圖3分別為MLEM 算法和DD-MLEM 算法迭代次數(shù)n＝30、90、270時的重建圖像。通過直接觀察可看出，在選取合適迭代次數(shù)的情況下，兩種算法均能得到相對較好的重建效果，但在迭代次數(shù)過高時，MLEM 算法重建的圖像局部區(qū)域噪聲被放大，原本光滑的圖像出現(xiàn)離散的斑點，在視覺上難以接受；而DD-MLEM 迭代則不然，在過高迭代次數(shù)下依然能很好地控制圖像噪點，保持圖像的可辨識性。

圖2 MLEM 迭代重建圖像Fig.2 Reconstructed image by MLEM iteration

圖3 DD-MLEM 迭代重建圖像Fig.3 Reconstructed image by DD-MLEM iteration

為進(jìn)一步評價重建圖像的質(zhì)量，利用式（3）和式（4）給出的評價準(zhǔn)則對兩種算法的重建圖像效果進(jìn)行定量分析。圖4示出兩種算法所重建圖像的歸一化均方誤差隨迭代次數(shù)的變化情況。由圖4a可看出，在迭代次數(shù)相對較低時，兩種算法的歸一化均方誤差均隨迭代次數(shù)的增加而減小，重建圖像質(zhì)量不斷提高，但DD-MLEM算法的收斂速度顯然要快得多；當(dāng)?shù)螖?shù)繼續(xù)增加時，由圖4b可知，MLEM 算法的歸一化均方誤差在達(dá)到一最小值后迅速增大，重建圖像的質(zhì)量也隨之變差，而DD-MLEM 算法在迭代次數(shù)過高的情況下歸一化均方誤差只是略微變大，重建圖像的質(zhì)量仍能保持得比較好。圖5示出兩種算法的相關(guān)系數(shù)隨迭代次數(shù)的變化情況，可更加明顯地看出DD-MLEM 算法收斂速度不但更快，而且提高了算法最佳迭代次數(shù)，重建圖像的質(zhì)量也優(yōu)于原算法。在迭代次數(shù)過高時，MLEM迭代的重建圖像質(zhì)量迅速下降，而DD-MLEM 迭代則能將圖像質(zhì)量一直保持在較高水平上。

圖4 歸一化均方誤差隨迭代次數(shù)的變化Fig.4 NRMSE of two algorithms versus iteration time

圖5 相關(guān)系數(shù)隨迭代次數(shù)的變化Fig.5 CC of two algorithms versus iteration time

3 結(jié)論

在編碼孔γ相機(jī)圖像重建中，MLEM 迭代算法能較為有效地抑制統(tǒng)計噪聲，較傳統(tǒng)交叉相關(guān)法恢復(fù)出的圖像質(zhì)量要高得多，但缺點是收斂速度較慢且迭代次數(shù)過高時圖像質(zhì)量變差。本文提出一種基于約束的MLEM 算法，在迭代過程中加入物理約束條件，并用交叉相關(guān)法計算值作為迭代初始值。實驗結(jié)果證明，DD-MLEM 算法不僅收斂速度加快，且重建圖像質(zhì)量和迭代的收斂性與收斂速度均得到顯著提高。使用這種方法可更加充分地利用被觀測目標(biāo)的已知信息，從而有效抑制由于噪聲等因素所引起的迭代解的病態(tài)特征，相比僅用迭代法或相關(guān)法能更好地重建出反映真實情況的圖像。值得注意的是，此方法重建圖像的質(zhì)量對約束條件有較強(qiáng)的依賴，對于復(fù)雜的測量環(huán)境，應(yīng)根據(jù)現(xiàn)場實際情況選取更為合理的物理約束條件以保證成像質(zhì)量。

［1］ 何會林，董永偉，吳伯冰，等.空間硬X 射線編碼孔成像望遠(yuǎn)鏡樣機(jī)的研制及初步實驗結(jié)果［J］.高能物理與核物理，2007，31（5）：437-441.HE Huilin，DONG Yongwei，WU Bobing，et al.A prototype of spatial hard X-ray coded aperture imaging telescope and the primary laboratory experimental results［J］.High Energy Physics and Nuclear Physics，2007，31（5）：437-441（in Chinese）.

［2］ 李惕碚，吳枚.高能天文中成像和解譜的直接方法［J］.天體物理學(xué)報，1993，13（3）：215-224.LI Tibei，WU Mei.The direct method for spectral and image restoration in high energy astronomy［J］.Acta Astrophysica Sinica，1993，13（3）：215-224（in Chinese）.

［3］ SHEPP L A，VARDI Y.Maximum likelihood restoration for emission tomography［J］.IEEE Transactions on Medical Imaging，1982，1（2）：113-122.

［4］ MU Z P，LIU Y H.Aperture collimation correction and maximum-likelihood image reconstruction for near-field coded aperture imaging of single photon emission computerized tomography［J］.IEEE Transactions on Medical Imaging，2006，25（6）：701-711.

［5］ 何佳偉，劉東升，桂志國.可變有序子集PML 算法在PET 中的應(yīng)用［J］.中北大學(xué)學(xué)報：自然科學(xué)版，2010，31（6）：646-650.HE Jiawei，LIU Dongsheng，GUI Zhiguo.Application of modified subsets PML algorithm to PET image reconstruction［J］.Journal of North University of China：Natural Science Edition，2010，31（6）：646-650（in Chinese）.