基于自先验信息与自适应加权全变分的正交平移计算层析成像重建技术研究

为解决正交平移计算层析成像（OTCL）中因投影数据不完备导致的混叠伪影问题，研究人员提出了一种结合自先验信息引导（SPIG）与自适应加权全变分（AwTV）约束的重建算法SPIG-AwTV。该算法通过分析OTCL三维频域特征，利用CLFBP重建结果提取结构先验，并设计方向敏感的梯度约束，显著提升了图像边缘保留与伪影抑制效果，为工业无损检测提供了高精度解决方案。

　　

在工业无损检测领域，平板类物体的成像一直面临巨大挑战。传统计算机断层扫描（CT）技术由于需要穿透物体宽度方向并旋转扫描，容易遇到X射线穿透不足和机械结构碰撞的问题。旋转计算层析成像（RCL）通过倾斜工件部分解决了这一难题，但光源倾斜又限制了几何放大倍数。正交平移计算层析成像（OTCL）虽然通过近距离X射线源实现了高几何放大，却因厚度方向扫描几何特性导致投影数据不完备，引发严重的混叠伪影和对比度下降，直接影响缺陷表征和尺寸测量的准确性。

针对这一技术瓶颈，来自国内的研究团队开展了一项创新性研究。他们发现OTCL的三维频域中金字塔区域的固有数据缺失是伪影产生的根源，并据此提出了一种名为SPIG-AwTV的新型重建算法。该算法巧妙融合了自先验信息引导（SPIG）和自适应加权全变分（AwTV）两项关键技术：前者通过滤波反投影（CLFBP）重建结果提取轮廓掩膜作为内部先验，避免了复杂的外部配准流程；后者则根据OTCL图像梯度特征动态调整不同方向的约束强度。实验证明，这种双管齐下的策略在保持边缘细节的同时，显著抑制了混叠伪影，为工业检测提供了更可靠的图像质量保障。

研究人员采用三项关键技术路线：首先通过平行束几何下的频域分析揭示OTCL数据缺失特征；其次基于CLFBP重建结果进行轮廓提取生成SPIG先验；最后设计方向敏感的AwTV正则项进行迭代优化。数值模拟和物理实验均采用工作站平台（Intel i7-10700 CPU + NVIDIA RTX 1050Ti GPU），通过MATLAB R2019a与CUDA 11.1实现算法加速。

在"OTCL频域分析"部分，研究团队建立了三维几何坐标系，推导出光源（S_i, 0, -l）与探测器（D_i, 0, h）的位置关系公式，证实频域金字塔缺失直接导致重建伪影。"SPIG正则项"章节显示，从CLFBP结果提取的轮廓掩膜能有效保留结构特征，其自适应性避免了传统CAD先验的配准难题。"AwTV正则项"设计则创新性地引入梯度敏感权重，在x/y方向分别采用不同约束强度，实验证明该设计使均方根误差（RMSE）降低23.6%。

讨论部分指出，SPIG-AwTV的创新性体现在三方面：首次系统阐明OTCL频域缺失特征，提出无外部依赖的自先验提取方法，以及开发梯度敏感的全变分约束。相比需要双角度全扫描的PIBR算法或受限于材料种类的DART方法，该技术大幅提升了工程适用性。研究获得国家重点研发计划（2022YFF0706400）和中央高校基金（2024CDJXY008）支持，为工业CT检测提供了新的解决方案。Chuandong Tan等作者特别强调，该方法无需先验配准的特性使其特别适合现场快速检测场景，未来可进一步拓展至航空复合材料等精密制造领域。