一种图像重建方法和装置

摘要

本公开提供一种图像重建方法和装置，其中方法包括：获取对被扫描对象进行扫描的扫描数据；根据所述扫描数据，获得初始更新图像；通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像。本公开使得混合稀疏的计算方式简单，图像质量提升更为明显，重建时间也较少。

权利要求

1.一种图像重建方法，其特征在于，所述方法包括：获取对被扫描对象进行扫描的扫描数据；

根据所述扫描数据，获得初始更新图像；

通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像；

所述通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息，包括：对所述初始更新图像进行梯度变换，得到PET梯度图像；

对所述PET梯度图像，进行小波变换，得到小波域子图像，并对所述小波域子图像去噪后，得到第一小波域子图像，所述第一小波域子图像作为所述图像边界先验信息；

将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像，包括：将所述初始更新图像进行小波变换，得到第二小波域子图像；

将所述第一小波域子图像和第二小波域子图像，在小波域的对应频带进行加权叠加，得到加权PET小波子图像；

将所述加权PET小波子图像进行小波逆变换处理，得到所述重建图像。

2.根据权利要求1所述的方法，其特征在于，所述至少两种稀疏变换方法，包括：梯度变换和小波变换。

3.根据权利要求1所述的方法，其特征在于，所述将所述初始更新图像进行小波变换，得到第二小波域子图像之前，所述方法还包括：对所述初始更新图像进行去噪处理；

所述去噪处理，包括：小波域去噪、图像域或者频域去噪。

4.一种图像重建装置，其特征在于，所述装置包括：数据获取模块，用于获取对被扫描对象进行扫描的扫描数据；

初始更新模块，用于根据所述扫描数据，获得初始更新图像；

稀疏变换模块，用于通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；所述通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息，包括：对所述初始更新图像进行梯度变换，得到PET梯度图像；

对所述PET梯度图像，进行小波变换，得到小波域子图像，并对所述小波域子图像去噪后，得到第一小波域子图像，所述第一小波域子图像作为所述图像边界先验信息；

重建处理模块，用于将所述图像边界先验信息，继承至所述初始更新图像，得到最终的重建图像；所述将图像边界先验信息继承至所述初始更新图像，得到最终的重建图像，包括：将所述初始更新图像进行小波变换，得到第二小波域子图像；

将所述第一小波域子图像和第二小波域子图像，在小波域的对应频带进行加权叠加，得到加权PET小波子图像；

将所述加权PET小波子图像进行小波逆变换处理，得到所述重建图像。

5.一种图像重建设备，其特征在于，所述设备包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：获取对被扫描对象进行扫描的扫描数据；

根据所述扫描数据，获得初始更新图像；

通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像；

所述通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息，包括：对所述初始更新图像进行梯度变换，得到PET梯度图像；

对所述PET梯度图像，进行小波变换，得到小波域子图像，并对所述小波域子图像去噪后，得到第一小波域子图像，所述第一小波域子图像作为所述图像边界先验信息；

将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像，包括：将所述初始更新图像进行小波变换，得到第二小波域子图像；

将所述第一小波域子图像和第二小波域子图像，在小波域的对应频带进行加权叠加，得到加权PET小波子图像；

将所述加权PET小波子图像进行小波逆变换处理，得到所述重建图像。

6.一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行数据处理方法，该方法包括：获取对被扫描对象进行扫描的扫描数据；

根据所述扫描数据，获得初始更新图像；

通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像；

所述通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息，包括：对所述初始更新图像进行梯度变换，得到PET梯度图像；

对所述PET梯度图像，进行小波变换，得到小波域子图像，并对所述小波域子图像去噪后，得到第一小波域子图像，所述第一小波域子图像作为所述图像边界先验信息；

将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像，包括：将所述初始更新图像进行小波变换，得到第二小波域子图像；

将所述第一小波域子图像和第二小波域子图像，在小波域的对应频带进行加权叠加，得到加权PET小波子图像；

将所述加权PET小波子图像进行小波逆变换处理，得到所述重建图像。

说明书

一种图像重建方法和装置

技术领域

[0001] 本公开涉及医疗成像技术，特别涉及一种图像重建方法和装置。

背景技术

[0002] 在医疗领域的影像学诊断技术中，很多医疗成像方式都使被扫描对象遭受一定剂量的辐射。例如，正电子发射计算机断层扫描(Positron Emission Tomograph，简称：PET)系统，可以将放射性的示踪剂注射入被扫描对象的体内，并由PET探测器探测体内发生的正电子湮灭事件释放的γ光子对来获得成像数据。随着医疗成像技术的发展，尽可能的降低成像过程对被扫描对象的辐射，成为一个追求的发展方向。比如，TOF-PET(time-of-flight PET，基于飞行时间的PET)通过测量符合光子对到达探测器晶体的时间差来估计湮灭事件的位置，并只计算在湮灭位置附近的像素所产生的投影值，这种方式不仅可以保证图像质量，并且还降低了对被扫描对象的注射药物剂量，减少辐射。

[0003] 但是，当为了提高检查效率和降低扫描辐射，而进一步降低注射剂量和减少数据采集时间时，图像将出现噪声增加、图像信噪比下降的问题，重建图像的质量难以得到保证。比如，当进一步降低注射剂量和减少数据采集时间时，TOF-PET的图像也会出现噪声增加等质量问题。

发明内容

[0004] 有鉴于此，本公开提供一种图像重建方法和装置，以在低剂量的医疗成像时提高图像质量。

[0005] 具体地，本公开是通过如下技术方案实现的：

[0006] 第一方面，提供一种图像重建方法，所述方法包括：

[0007] 获取对被扫描对象进行扫描的扫描数据；

[0008] 根据所述扫描数据，获得初始更新图像；

[0009] 通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

[0010] 将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像。

[0011] 第二方面，提供一种图像重建装置，所述装置包括：

[0012] 数据获取模块，用于获取对被扫描对象进行扫描的扫描数据；

[0013] 初始更新模块，用于根据所述扫描数据，获得初始更新图像；

[0014] 稀疏变换模块，用于通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

[0015] 重建处理模块，用于将所述图像边界先验信息，继承至所述初始更新图像，得到最终的重建图像。

[0016] 第三方面，提供一种图像重建设备，所述设备包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：

[0017] 获取对被扫描对象进行扫描的扫描数据；

[0018] 根据所述扫描数据，获得初始更新图像；

[0019] 通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

[0020] 将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像。

[0021] 第四方面，提供一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行数据处理方法，该方法包括：

[0022] 获取对被扫描对象进行扫描的扫描数据；

[0023] 根据所述扫描数据，获得初始更新图像；

[0024] 通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

[0025] 将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像。

[0026] 本公开提供的图像重建方法和装置，通过至少两种稀疏变换方法对图像进行稀疏变换，使得重建图像较之单一稀疏变换所得结果具有更好的图像质量；并且，通过根据稀疏变换得到图像边界先验信息，并将该先验信息继承给初始更新图像，使得混合稀疏的计算方式较为简单，图像质量提升更为明显，重建时间也较少。

附图说明

[0027] 图1是本公开一示例性实施例示出的一种图像重建方法的流程图；

[0028] 图2是本公开一示例性实施例示出的一种图像重建方法的流程图；

[0029] 图3是本公开一示例性实施例示出的一种图像重建方法的流程图；

[0030] 图4是本公开一示例性实施例示出的一种图像重建装置的结构示意图。

具体实施方式

[0031] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

[0032] 本公开的例子提供了一种在医疗成像中以低剂量扫描时重建图像的方法，该方法能够降低被扫描对象的注射剂量，减少对被扫描对象的辐射，并且缩短扫描时间，提高检查效率。以低剂量扫描时，采集的扫描数据相对较少，可以将这种情况下的图像重建称为“低剂量重建”。此时重建图像将出现噪声增加及图像边界不清晰等问题，图像质量下降。

[0033] 低剂量重建的一个重要问题是保证图像重建的质量，以期在相对较少的采集数据的情况下仍然保证重建图像具有较好的图像效果。其中，压缩感知(compressed sensing，CS)理论可以应用于低剂量重建，该CS理论可以利用图像具有稀疏表示的先验知识，由相对更少量的测量值重建出相对较好的重建图像。而医学图像经过稀疏变换后，绝大多数数值等于或者接近于零，可以看作是稀疏的，基于此，可以得到一种低剂量图像重建的方式，即通过扫描数据先重建得到一个初始的医学图像，将该初始的医学图像进行稀疏变换，使其符合CS理论，然后再根据该理论进行图像重建。

[0034] 如下对本公开的图像重建方法的描述中，将以TOF-PET的图像重建为例，TOF-PET是一种可以在相对较低的注射药物剂量和更短的采集时间条件下重建图像的方式。但是，可以理解的是，本公开的方法将不局限于TOF-PET的重建，其他非TOF的PET图像重建，或者其他成像方式的图像重建，同样能够利用本公开的图像重建方法。

[0035] 图1示例了一个例子的图像重建方法的流程，可以包括：

[0036] 在步骤101中，获取对被扫描对象进行扫描的扫描数据。

[0037] 例如，本步骤的扫描数据可以是PET扫描数据。

[0038] 本步骤获取的扫描数据，可以是在对被扫描对象注射低剂量的药物，或者较短的数据采集时间的条件下获得。

[0039] 在步骤102中，根据所述扫描数据，获得初始更新图像。

[0040] 例如，可以根据扫描数据，以一个常规迭代重建算法或解析重建算法获得初始的图像，可以称为初始更新图像。本步骤的初始更新图像可以作为后一步骤稀疏变换的基础。

[0041] 在步骤103中，通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息。

[0042] 例如，所述至少两种稀疏变换方法，可以包括：梯度变换和小波变换。当然还可以包括其他有类似作用的稀疏变换方法。

[0043] 本步骤可以通过至少两种稀疏变换方法对初始更新图像进行稀疏变换，比如，可以对初始更新图像进行梯度变换得到梯度图像，或者进行小波变换得到小波域子图像。可以将稀疏变换后只保留图像边界的图像，比如梯度图像或者小波域子图像称为图像边界先验信息。

[0044] 这种对图像进行至少两种稀疏变换的方式，可以称为混合稀疏。混合稀疏可以使所得变换结果稀疏性更好，理论上较之单一稀疏变换更能满足CS理论。在混合稀疏方式中，不同的稀疏变换可以描述图像的不同信息，从而使得后续重建的图像具有较好的图像质量，并获得理论上只保留图像边界的图像作为后续处理的先验信息。

[0045] 在步骤104中，将所述图像边界先验信息，继承至所述初始更新图像，得到最终的重建图像。

[0046] 本步骤中，可以将步骤103中得到的图像边界先验信息，继承至初始更新图像。例如，其中一种继承的方法可以是根据先验信息对初始更新图像进行加权处理。在一个例子中，所述的加权处理，可以是在图像重建过程中利用图像边界先验信息增大图像边界信息的权重因子，使得到的低剂量重建图像的边界信息也如正常剂量下重建结果一样得以保留。经过加权处理，得到的可以是一个已经具有了较高的边界信息权重因子的迭代更新公式，或者，可以是一个已经继承了清晰边界的基础图像。

[0047] 在将图像边界先验信息继承至初始更新图像后，可以继续进行重建过程，得到最终的重建图像。比如，可以根据图像边界先验信息加权的迭代更新公式，对初始更新图像进行进一步的迭代更新运算。由于经过了加权处理，使得重建图像可以具有清晰的边界信息，图像质量较好。

[0048] 本例子的图像重建方法，一方面通过至少两种稀疏变换方法对图像进行稀疏变换，例如在小波域对梯度图像进行进一步稀疏处理等，使得重建图像较之单一稀疏变换所得结果具有更好的图像质量；另一方面，通过根据稀疏变换得到图像边界先验信息，并将该先验信息继承给初始更新图像，使得混合稀疏的计算方式较为简单，图像质量提升更为明显，重建时间也较少。

[0049] 在混合稀疏方式中，对至少两种稀疏变换得到的稀疏变换图像进行联合处理时，也可以有多种方式，本公开的例子提供了一种实现简单的联合处理方式，即根据稀疏变换图像对初始更新图像的图像边界信息进行加权处理，将图像边界先验信息以权重因子的方式继承给初始更新图像。

[0050] 如下举例两种加权处理的处理过程，以TOF-PET为例：

[0051] 图2是一个例子中的图像重建方法的流程，该例子中，图像重建是以梯度下降法进行迭代更新，以求得最优解得到最终的重建图像，而加权处理可以是在迭代更新公式中引入权重因子。如图2所示，该方法可以包括：

[0052] 在步骤201中，获取对被扫描对象进行扫描的扫描数据。本步骤获取的扫描数据可以是在对被扫描对象注射低剂量的药物，或者采集时间较短的情况下获得的数据。

[0053] 在步骤202中，根据TOF迭代重建算法，获得初始更新图像。

[0054] 本步骤中，可以设置初始估计图像和初始化重建参数，其中，该初始估计图像可以通过FBP算法对步骤201中的数据进行重建得到，然后可以利用TOF迭代重建算法进行迭代，获得初始更新图像。例如基于TOF信息的PET OSEM(Ordered Subset Expectation Maximization)迭代重建公式，如下：

[0055] 其中fj是待重建的湮灭强度分布图像像素值，Yit是在TOF信息弦图数据中时间差信息为t时第i条投影数据值，cij表示图像第j个像素发射出的光子被第i个探测器接收到的概率。Ij是所有穿过图像像素j的所有投影i的子集。p是TOF高斯核函数，pijtcij即表示在时间差信息为t时投影线i穿过图像像素点j的概率。

[0056] 上述的获取初始更新图像的过程，可以按照常规方法执行，不再详述。

[0057] 在步骤203中，对所述初始更新图像进行梯度变换，得到PET梯度图像。如图2所示，本步骤可以对初始更新图像进行梯度变换，得到PET梯度图像。

[0058] 在步骤204中，对所述PET梯度图像，进行小波变换，得到小波域子图像。

[0059] 本步骤中，可以对PET梯度图像进行小波变换，得到对应的低频子图像和高频子图像，例如，可以是一个低频子图像和三个高频子图像。由于梯度图像主要包含图像边界信息，所以小波变换的主要成分是高频成分。

[0060] 在步骤205中，对小波域子图像进行去噪。

[0061] 由于PET成像机制以及扫描数据计数率等因素影响，PET图像噪声相对较明显，梯度图像除包含图像边界信息外还含有噪声信息，需要采取措施进行去噪。由于小波变换可以将一幅图像分解成一系列频率表示，以充分反映图像的局部变化特征，比如低频子图像和高频子图像，使得小波变换具有很强的去数据相关性，能够使得信号的能量在小波域集中在一些大的小波系数中，而噪声的能量却分布于整个小波域中。因此，经小波分解后，信号的小波系数幅值要大于噪声的系数幅值，即幅值比较大的小波系数一般以信号为主，而幅值比较小的小波系数在很大程度上是噪声，所以可以通过某些方法(例如阈值法)将噪声去除而尽可能保留信号信息。

[0062] 在步骤206中，逆变换得到更新梯度图像。

[0063] 本步骤中，可以将经过去噪后的小波变换后的尺度系数和小波系数经过小波逆变换，可以得到更新后的梯度图像fgradient_new。该更新梯度图像fgradient_new相比于步骤203中得到的PET梯度图像，在噪声位置数值很小或可以忽略，只基本保留了图像边界信息，并且梯度图像变得更加稀疏，理论上更符合CS理论。

[0064] 在步骤207中，将所述更新梯度图像作为图像边界先验信息，作为对所述初始更新图像的迭代更新公式中的权重因子。

[0065] 本例子中，在获得步骤202中的初始更新图像后，基于CS理论的PET图像重建可以是将图像稀疏化，并将PET图像重建问题转换为求解具有约束条件的目标函数的优化问题，比如可以基于全变差(Total Variation，TV)目标函数，进行最优化求解；在求解目标函数时，可以采用梯度下降法对目标函数进行迭代更新以达到最优解。

[0066] 如图2所示，本步骤中，可以将步骤202中得到的初始更新图像和步骤206中得到的更新梯度图像结合，得到一种迭代更新公式可以是：

[0067] fk'＝fk+fgradient_newhkpk...................(2)

[0068] 其中，hk表示迭代步长， 表示搜索方向。因为梯度方向是函数值下降最快的方向，因此应沿梯度方向寻找，然后确定迭代步长，直到满足停止迭代条件。此外，由于将更新梯度图像fgradient_new作为先验信息引入迭代更新公式，作为权重因子，使得图像边界信息的权重因子增大，从而重建图像的边界信息得以保留，并且由于权重因子较小，可以使重建图像的噪声得以削弱或去除。根据公式(2)进行迭代更新，直至重建结果满足预设的限制条件或达到设定的迭代次数为止，所得结果即为目标函数最优化结果，得到重建图像。

[0069] 本例子的图像重建方法，通过对初始更新图像的梯度图像在小波域去噪，将得到的更新梯度图像作为先验信息引入迭代更新公式作为权重因子，使得重建图像在去除噪声的同时还能够保留图像边界等细节信息，重建图像质量得到明显提高，并且该方法计算容易，重建效率提高。

[0070] 图3是一个例子中的图像重建方法的流程，该例子中，图像重建是以小波变换和逆变换得到，而加权处理可以是在小波变换得到的各个子图像中，通过加权叠加使初始更新图像继承清晰边界特性。如图3所示，该方法可以包括：

[0071] 在步骤301中，获取对被扫描对象进行扫描的扫描数据。本步骤获取的扫描数据可以是在对被扫描对象注射低剂量药物，或者采集时间较短的情况下获得的数据。

[0072] 在步骤302中，根据TOF迭代重建算法，获得初始更新图像。

[0073] 本步骤中，可以设置初始估计图像和初始化重建参数，其中，该初始估计图像可以通过FBP算法对步骤201中的数据进行重建得到。然后可以利用TOF迭代重建算法进行迭代，获得初始更新图像。

[0074] 如图3所示，在获得初始更新图像后，可以进行两方面处理，一方面是步骤303至步骤305的稀疏变换处理，另一方面是步骤306和307的稀疏变换。

[0075] 在步骤303中，对所述初始更新图像进行梯度变换，得到PET梯度图像。如图3所示，本步骤可以对初始更新图像进行梯度变换，得到PET梯度图像。

[0076] 在步骤304中，对所述PET梯度图像，进行小波变换，得到小波域子图像。

[0077] 本步骤中，可以对PET梯度图像进行小波变换，得到对应的低频子图像和高频子图像，例如，可以是一个低频子图像和三个高频子图像。由于梯度图像主要包含图像边界信息，所以小波变换的主要成分是高频成分。

[0078] 在步骤305中，对小波域子图像进行去噪。

[0079] 本例子可以将去噪后的小波域子图像，称为第一小波域子图像，例如，可以包括一个低频子图像和三个高频子图像。该第一小波域子图像可以作为图像边界先验信息。

[0080] 在步骤306中，对所述初始更新图像进行去噪处理。

[0081] 例如，可以进行图像域或者频域去噪，以获得均匀分布的图像。

[0082] 在步骤307中，将去噪后的初始更新图像进行小波变换，得到第二小波域子图像。该第二小波域子图像也可以包括一个低频子图像和三个高频子图像。

[0083] 在步骤308中，将所述第一小波域子图像和第二小波域子图像，在小波域的对应频带进行加权叠加，得到加权PET小波子图像。

[0084] 本步骤中，可以将第一小波域子图像和第二小波域子图像在小波域的对应频带进行加权叠加，以将一幅图像的信息融入到另一幅图像中。比如，可以将第一小波域子图像中的低频子图像与第二小波域子图像中的低频子图像对应加权叠加，或者将第一小波域子图像中的高频子图像与第二小波域子图像中的高频子图像进行对应加权叠加。

[0085] 上述的加权叠加，例如可以是将对应的子图像直接相加，或者将对应的子图像进行e指数加权。举例来说，假设第一小波域子图像中的某高频子图像的某个像素的像素值是x，第二小波域子图像中对应的高频子图像的对应像素的像素值是y，可以按照“x+y”进行像素值相加，得到新的高频子图像中的对应像素的像素值。进行上述叠加处理后，可以得到新的低频子图像和高频子图像，可以称为加权PET小波子图像。通过上述的加权叠加，可以将梯度图像的边界信息继承给重建图像。

[0086] 在步骤309中，将加权PET小波子图像进行逆变换，得到最终的重建图像。

[0087] 本步骤中，可以将加权PET小波子图像中的低频和高频子图像进行小波逆变换，即可获得更新后的PET图像，该图像则为重建图像。该重建图像继承了梯度图像的清晰边界特性，且由于经过了去噪处理，所含噪声较小，使重建图像既含有较清晰边界，且图像噪声也得到抑制，重建图像质量得以提升。

[0088] 此外，图3所示的例子中，对于初始更新图像的去噪是以图像域或者频域去噪为例，在其他例子中，还可以采用其他去噪方式，比如在小波域去噪。或者，初始更新图像也可以不进行去噪，而是直接小波变换得到第二小波域子图像。

[0089] 本例子的图像重建方法，通过对初始更新图像的梯度图像在小波域去噪，使得去噪后的小波域子图像保留了清晰的边界信息，并且通过与初始更新图像在小波域的子图像加权叠加，将清晰边界特性继承给了初始更新图像的小波域子图像，从而最终得到的重建图像在去除噪声的同时还能够保留图像边界等细节信息，重建图像质量得到明显提高，并且该方法计算容易，重建效率提高。

[0090] 为了实现上述的图像重建方法，本公开还提供了一种图像重建装置，如图4所示，该装置可以包括：数据获取模块41、初始更新模块42、稀疏变换模块43和重建处理模块44。

[0091] 数据获取模块41，用于获取对被扫描对象进行扫描的扫描数据；例如，该扫描数据可以是在对被扫描对象注射低剂量的药物，或者较短的数据采集时间的条件下获得。

[0092] 初始更新模块42，用于根据所述扫描数据，获得初始更新图像；

[0093] 稀疏变换模块43，用于通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；例如，所述至少两种稀疏变换方法，可以包括：梯度变换和小波变换。

[0094] 重建处理模块44，用于将所述图像边界先验信息，继承至所述初始更新图像，得到最终的重建图像。

[0095] 本例子的图像重建装置，通过稀疏变换模块使用至少两种稀疏变换方法对图像进行稀疏变换，使得重建图像较之单一稀疏变换所得结果具有更好的图像质量；并且，通过根据稀疏变换得到图像边界先验信息，并将该先验信息继承给初始更新图像，使得混合稀疏的计算方式较为简单，图像质量提升更为明显，重建时间也较少。

[0096] 在一个例子中，重建处理模块44，具体用于将所述图像边界先验信息和所述初始更新图像进行加权处理，得到所述最终的重建图像。

[0097] 在一个例子中，稀疏变换模块43，具体用于对所述初始更新图像进行梯度变换，得到PET梯度图像，对所述PET梯度图像，进行小波变换，得到小波域子图像，并在对所述小波域子图像去噪后，逆变换得到更新梯度图像，所述更新梯度图像作为所述图像边界先验信息；

[0098] 所述重建处理模块44，具体用于将所述更新梯度图像，作为对所述初始更新图像的迭代更新公式中的权重因子，根据更新后的迭代更新公式进行迭代得到所述重建图像。

[0099] 在一个例子中，稀疏变换模块43，具体用于对所述初始更新图像进行梯度变换，得到PET梯度图像，对所述PET梯度图像，进行小波变换，得到小波域子图像，并对所述小波域子图像去噪后，得到第一小波域子图像，所述第一小波域子图像作为所述图像边界先验信息；

[0100] 所述重建处理模块44，具体用于将所述初始更新图像进行小波变换，得到第二小波域子图像，将所述第一小波域子图像和第二小波域子图像，在小波域的对应频带进行加权叠加，得到加权PET小波子图像，将所述加权PET小波子图像进行小波逆变换处理，得到所述重建图像。

[0101] 本公开的图像处理方法的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台图像处理设备执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

[0102] 本例子提供的一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行数据处理方法，该方法包括：获取对被扫描对象进行扫描的扫描数据；根据所述扫描数据，获得初始更新图像；通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像。

[0103] 本公开还提供了一种图像重建设备，例如，该设备可以是一台计算机。该图像重建设备可以包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：

[0104] 获取对被扫描对象进行扫描的扫描数据；

[0105] 根据所述扫描数据，获得初始更新图像；

[0106] 通过至少两种稀疏变换方法，对所述初始更新图像进行稀疏变换，得到图像边界先验信息；

[0107] 将所述图像边界先验信息继承至所述初始更新图像，得到最终的重建图像。

[0108] 以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。