1.一种基于稀疏变换的低剂量CT图像重建方法，其特征在于，包括以下步骤：(1)、改变CT成像设备的射线剂量，利用CT成像设备对待测体进行CT成像，获取一系列的低剂量CT的投影数据yi，i＝1,2,…；

(2)、利用siddon算法计算待测体中第j个组织块相对于第i个投影数据yi的贡献值，记为aij，从而得到成像矩阵A；

(3)、获取低剂量CT噪声图像矩阵XLD'；

(3.1)、获取训练图像矩阵；

从CT图像数据库中下载一组标准剂量CT图像，构成训练图像矩阵XSD，XSD的每列代表一张CT图像；

(3.2)、模拟低剂量CT图像矩阵XLD；

利用雷登变换模拟出XSD对应的投影数据，记为YSD；

计算低剂量CT图像的投影数据YLD；

2

YLD＝YSD+σ·WGN(0,1)

2

其中，σ是控制噪声的参数，WGN(0,1)是均值为0，方差为1的高斯白噪声；

利用反滤波投影法，将低剂量CT图像的投影数据YLD进行图像重建，得到低剂量CT图像矩阵XLD；

(3.3)、模拟低剂量CT噪声图像矩阵XLD'；

将训练图像矩阵XSD与低剂量CT图像矩阵XLD做差，得到只包含有低剂量CT图像噪声数据的噪声图像矩阵XLD'；

XLD'＝XSD‑XLD

(4)、构建结构组织稀疏变换矩阵Ω和噪声稀疏变换矩阵Ω'模型；

其中，λ和γ为大于零的常数，N'是矩阵XSD和XLD'中标准剂量CT图像和低剂量CT噪声图像的数量；Z、Z'分别是XSD、XLD'的稀疏表示，zi和zi'对应每张标准剂量CT图像和低剂量CT噪声图像的稀疏表示，分别为Z和Z'的列向量；

(5)、构建目标函数

其中，R1(x)和R2(x)分别为通过训练获得的全剂量稀疏变换模型和噪声稀疏变换模型，o ox表示待求解的重建图像，x为初始图像，W＝diag{wi}，wi＝exp(‑yi)，Pjx和Pj(x‑x)表示对o ox和x‑x 进行块提取的操作，N为图像块的个数，zj”和zj”'为Pjx和Pj(x‑x)在组织结构稀疏变换矩阵Ω和噪声稀疏变换矩阵Ω'情况下的稀疏表示，b为权重系数；

(6)、采用惩罚加权最小二乘重构算法对目标函数进行求解，得到重构后的低剂量CT图像x；

其中，所述权重系数b的具体计算公式为：其中，t表示当前迭代次数，T为惩罚加权最小二乘重构算法的迭代次数。