光谱计算机断层扫描(CT)从多个窄能量窗口的投影中重建相同的扫描对象,可用于材料识别和分解。 但是,多能量投影数据集的信噪比(SNR)较低,导致重建的图像质量较差。 为了解决这个棘手的问题,我们开发了一种光谱CT重建方法,即空间光谱立方体匹配框架(SSCMF)。 该方法受到以下三个事实的启发:(i)人体通常由两种或三种基本材料组成,这意味着重构的光谱图像具有很强的稀疏性; (ii)单通道图像中相同的基本物质成分在局部区域具有相似的强度和结构。 同一能量通道内的不同材料成分共享相似的结构信息; (iii)通过使用不同的窄能量窗口从对象收集多能量投影数据集,这意味着从不同能量通道重建的图像具有相似的结构。 为了探索这些信息,我们首先为BM4D去噪过程建立了张量立方匹配框架(CMF)。 然后,作为一种新的正则化器,将CMF引入基本的光谱CT重建模型中,从而生成SSCMF方法。 由于SSCMF模型包含4D变换系数的L-0范数最小值,因此采用了有效的策略进行优化。 进行数值模拟和现实的临床前小鼠研究。 结果表明,SSCMF方法的性能优于最新算法,包括同时代数重构技术,总变异最小化,总变异加低秩和