基于肺4D-CT图像的精确放射治疗是当前治疗肺癌的有效手段,肺4D-CT提供了一个全面的高精度放射治疗呼吸运动表征。在肺4D-CT数据中,由于有多个相位的图像,各相位图像可以有助于获取呼吸运动信息,是放射治疗目标精确定位的关键,因此肺4D-CT在肺肿瘤精确放射治疗中发挥着越来越重要的作用。肺4D-CT数据的获取,通常是根据床位和肺体积,将多个自由呼吸3D-CT数据段排序而得。然而,由于CT固有的高剂量照射,沿纵向(Z轴方向)的密集采样往往是不实际的,从而导致远低于层内分辨率的层间分辨率,造成数据显著的各项异性。因此,在对各相位3D数据进行冠(矢)状面观察时,为了获得正确比例的图像,需要根据3D数据的层间分辨率和层内分辨率的比例,沿Z轴方向进行插值放大。常用的插值方法为最近邻或双线性插值法,这些方法都会导致图像的模糊,尤其当层间分辨率与层内分辨率比例差别比较大时。本文针对此问题,根据肺4D-CT图像数据的特点,采用超分辨率技术重建清晰的肺冠(矢)状面图像。图像超分辨率技术是指利用多帧关于同一场景的有相互位移的低分辨率降质图像来重建高分辨率高质量图像的技术。肺4D-CT图像,是由10-20个不同相位的3D图像所组成,其每一相位对应不同的肺运动时刻。因此对于某一3D图像的某一位置的低分辨率(Z轴方向)冠(矢)状面图像,其他相位对应位置的冠(矢)状面图像可认为是相关的、有运动位移的多“帧”同一场景低分辨率图像,故可采用图像超分辨率重建技术来获得高分辨率肺4D-CT冠(矢)状面图像,这是本文工作的基本思想。基于以上思想,本文研究了基于运动估计的超分辨率重建技术来提高3D数据的冠(矢)状面图像分辨率。本文首先分析了图像退化模型；然后,分别采用基于完全搜索块匹配的运动估计法和快速亚像素运动估计算法估计出不同“帧”肺冠(矢)状面图像之间的运动场；最后,以此运动场为基础,采用迭代反投影法(1BP)重建高分辨率的肺部冠(矢)状面图像。本文的主要工作如下：(1)简明阐述图像的一般退化模型。现实成像过程中,平移和旋转等几何变换造成的运动形变、光学模糊、采样不足及噪声的引入往往难以避免,最终得到的是一组降质的低分辨率观测图像。因此低分辨率观测图像是原始高分辨率图像经过一系列降质过程得到的一个退化版本,而超分辨率图像重建技术是这个退化过程的逆问题,即由多个低分辨率图像来重建高分辨率图像。(2)采用运动估计算法获取肺部运动信息。肺4D-CT图像,是由10-20不同相位的3D图像所组成,其每一相位对应不同的肺运动时刻,其有助于获取呼吸运动信息,是放射治疗目标定位的关键。本文主要采用块匹配运动估计算法来获取肺部运动信息,该算法原理比较简单,可快速实现,且不需要对图像序列进行任何预处理,只需要对原始图像数据进行运算,进而保留了图像序列的全部信息。本文首先采用完全搜索块匹配运动估计算法估计出两不同相位肺冠(矢)状面图像间的运动场,结果可准确显示肺部运动趋势。(3)完全搜索块匹配运动估计算法存在的问题是速度慢,运算量大,且搜索精度取决于搜索步长。因此本文进一步研究了一种快速亚像素运动估计算法,以提高运动估计速度和精度。该算法结合了快速的三步搜索法和光流法,图像运动矢量不仅更精确,而且相对之前的完全搜索算法,大幅度缩减了计算时间。(4)利用运动估计矢量场,采用迭代反投影法(IBP)最终重建出高分辨率的肺部冠(矢)状面图像。超分辨率图像方法大体可以划分为两类：频域方法和空域方法。但是频域方法难以处理图像噪声问题,而且只能处理全局整体运动的降质模型。因此,该方法有很大的局限性,并不常用。因此本文采用空域超分辨率图像重建方法—迭代反投影(IBP)法,该方法思想简单,形式灵活,重要的是对图像边缘和细节有较好的保持效果。本文使用一个公共可用的数据集来评价所提出的超分辨率重建算法,该数据集由10组肺4D-CT数据组成,每组数据包含10个相位。在每组图像中,选取不同相位的冠(矢)状面图像进行实验。结果表明,与传统的插值方法如最近邻插值、双线性插值法相比,本文方法不仅能获得视觉上清晰的图像,而且量化评价指标也有明显提高,图像边缘宽度均显著降低；较双线性插值,图像平均梯度显著提高。并且,本文还分别对基于完全搜索块匹配运动估计超分辨率重建结果与基于快速亚像素运动估计超分辨率重建结果作了比较,对比显示,后者比前者不仅重建效果上更清晰,平均梯度更大,更重要的是,计算时间上较前者缩减了近20倍。主观和客观实验结果表明,本文所提出的超分辨率重建方法能有效提高肺4D-CT冠(矢)状面图像分辨率。