[论文解读] A Bayesian Approach to Shape Reconstruction of a Compact Object from a Few Number of Projections

Ali Mohammad‐Djafari|ArXiv.org|Nov 14, 2001

Medical Imaging Techniques and Applications参考文献 17被引用 4

一句话总结

本文提出一种基于贝叶斯方法的紧凑物体形状重建技术，仅利用少量X射线投影对物体进行重建。该方法将物体建模为多边形盘状结构，通过最大后验概率（MAP）估计法估计其顶点坐标。该方法采用正则化准则，通过模拟退火或基于梯度的优化方法进行求解，并采用矩量初始化。即使在投影稀疏、噪声较大的情况下，也能实现高精度的形状恢复——在仅使用五个投影角度、信噪比为20 dB的40个顶点多边形上得到验证。

ABSTRACT

Image reconstruction in X ray tomography consists in determining an object from its projections. In many applications such as non destructive testing, we look for an image who has a constant value inside a region (default) and another constant value outside that region (homogeneous region surrounding the default). The image reconstruction problem becomes then the determination of the shape of that region. In this work we model the object (the default region) as a polygonal disc and propose a new method for the estimation of the coordinates of its vertices directly from a very limited number of its projections. Keywords: Computed Imaging, Tomography, Shape reconstruction, Non destructive testing, Regularization, Bayesian estimation, Deformable contours.

研究动机与目标

• 解决在仅能获取少量投影时，无损检测（NDT）中的形状重建问题。
• 将紧凑物体建模为具有未知顶点坐标的多边形盘状结构，以降低参数空间的复杂度。
• 构建一种贝叶斯MAP估计框架，直接从投影中估计顶点位置，避免对图像进行全离散化处理。
• 比较基于矩量初始化的全局优化（模拟退火）与局部优化（基于梯度）策略，在鲁棒性与精度方面的表现。
• 在典型无损检测应用（如X射线、超声或涡流断层扫描）中常见的稀疏、噪声数据条件下评估性能。

提出的方法

• 将物体建模为多边形盘状结构，其顶点坐标为待估计的未知参数。
• 似然函数基于Radon变换推导，通过多边形内直线积分的解析表达式，建立投影与多边形形状之间的关系。
• 构建正则化贝叶斯准则：J = ||p - H(z)||² + λΩ(z)，其中z表示顶点坐标，H为投影算子，Ω(z)用于强制形状平滑性。
• 通过模拟退火（全局优化）或带矩量初始化的局部下降法，优化该非凸、非单峰准则，以获得MAP估计。
• 基于矩量的初始化方法通过拟合一个椭圆多边形，使其二阶矩与投影数据匹配，为局部优化提供良好的初始点。
• 在具有40个顶点的多边形上验证该方法，使用五个投影角度、信噪比为20 dB，与反投影法及GMRF基MAP方法进行比较。

实验结果

研究问题

• RQ1 在仅使用极少数投影的情况下，多边形盘状模型能否准确表示断层扫描中的紧凑物体？
• RQ2 与像素强度估计相比，贝叶斯MAP估计在直接估计顶点坐标方面效果如何？
• RQ3 在稀疏、噪声较大的数据下，模拟退火是否优于基于矩量初始化的局部优化？
• RQ4 与经典反投影法及基于正则化的图像重建方法相比，该方法在形状保真度方面表现如何？
• RQ5 基于矩量的初始化是否能可靠地将优化过程引导至全局最优的吸引域内？

主要发现

• 所提出的贝叶斯方法仅使用五个投影角度，成功重建了具有40个顶点的紧凑物体形状，在20 dB信噪比下仍保持高保真度。
• 与局部优化相比，模拟退火提供了更优的重建质量，且能稳定收敛至视觉上准确的形状。
• 基于矩量的初始化显著加快了局部下降算法的收敛速度，但结果对初始化质量较为敏感。
• 该方法在保持真实多边形边界方面优于经典反投影法与GMRF基MAP重建，尤其在形状精度方面表现更优。
• 传统方法的二值化处理无法恢复真实的多边形边界，而本方法成功保留了物体的锐利、分段常数特性。
• 由于准则具有非单峰性，优化策略需格外谨慎；尽管计算成本更高，模拟退火在鲁棒性方面表现更优。