提出了一种基于图形处理器(GPU)并行加速双能计算机层析成像(CT)重建的整体解决方法。该方法通过将双能采样数据视角配准步骤整合到基本的双能CT重建过程中,保证了双能投影分解的准确性,从而提高了双能CT重建的准确性。通过在反投影步骤中同时反投影几种图像,避免重复计算投影地址,并且在整体重建过程的各个步骤中采用GPU并行方式进行计算,有效提高了双能CT的重建速度。重建图像为2种和4种时,与重复执行多次单能CT并行重建相比,本文方法的重建过程加速比分别为1.88和3.24,其中最耗时反投影步骤加速比分别为1.90和3.66。实验和实际应用证明了该方法可有效提高双能CT重建的准确性和速度。

双能计算机层析成像(CT)投影分解是双能CT预处理重建算法的关键步骤,在采用迭代算法求解双能投影积分方程组时,迭代初值的选择对迭代的收敛性影响很大。为了解决双能投影积分方程组迭代求解的初值选择问题,提出一种优化迭代算法。该算法在计算双能基材料投影查找表以及进行系统标定时,依据高低能投影数据的数值范围,设置一定的步长,按照高低能投影值的大小依次求解对应的基材料投影,并以上次的收敛结果作为下次迭代的初值。结果表明,该优化迭代算法有效改善了迭代的收敛性,提高了双能CT系统标定的效率,验证了算法的有效性。

针对双能计算机断层成像（DECT）图像重建算法中的非线性投影分解问题，提出一种基于等值线拟合的快速投影分解算法。建立高、低能投影线性近似的等值线拟合模型；基于泰勒级数展开，采用粗粒度正向计算、细粒度反向求解方法，获得高精度的解析解，生成等值线方程；将高、低能投影非线性联合求解问题转化为求解高、低能等值线的交点问题，从而实现双能投影的快速分解。实验结果表明，该方法避免了非线性迭代求解和投影查表匹配，在减小投影分解噪声波动的同时，显著提高了投影分解速度，与投影匹配方法相比分解速度提高约两个数量级。

X射线双能计算机层析成像(CT)技术是安全检查领域一种重要的材料探测与识别手段。双能CT投影分解是双能CT预处理重建算法的核心内容和关键步骤。针对现有投影分解算法的不足，提出了一种基于投影匹配的双能CT投影分解算法。依据系统能谱和基材料线性衰减系数曲线，通过求解投影积分方程组建立高低能投影查找表。对于给定的高低能投影，在查找表中寻找最佳匹配点，进而获取基材料分解投影。该算法避免了现有算法复杂的迭代优化过程，简化了系统的标定过程，分解精度取决于查找表的设定步长。相对现有算法该算法有实现过程简单、易于并行计算的优点。仿真实验结果验证了算法的有效性。