小波域卷积稀疏编码的低剂量CT图像重建
发布时间:2022-02-24 16:21
随着CT成像技术的发展,其射线剂量明显降低,然而实现优质成像依然是低剂量CT研究领域中的重点问题.为实现低剂量CT的优质成像,减缓重建图像中伪影及噪声干扰,提出了一种小波域的卷积稀疏编码CT重建算法.该算法是利用预先构建的滤波器集,对重建图像中的小波域高频子带进行卷积稀疏表示,并引入到低剂量CT重建中以构造目标函数.通过重建图像更新和小波域卷积稀疏编码两个步骤的交替优化,实现重建目标函数的求解.在Shepp-Logan模拟数据、AAPM模拟数据与UIH真实数据上进行实验,并与全变差、字典学习、梯度正则化的卷积稀疏编码等进行对照分析,实验结果表明,所提算法可获得噪声伪影少、结构细节对比度高的重建图.最后,参数分析实验表明所提算法易实施且具有良好的参数稳健性.
【文章来源】:计算机辅助设计与图形学学报. 2020,32(11)北大核心EICSCD
【文章页数】:11 页
【参考文献】:
期刊论文
[1]稀疏张量约束的低剂量CT图像重建[J]. 刘进,亢艳芹,顾云波,陈阳. 光学学报. 2019(08)
[2]正则化技术和低秩矩阵在稀疏表示超分辨率算法中的应用[J]. 黄德天,黄炜钦,云海姣,郑力新. 计算机辅助设计与图形学学报. 2018(05)
[3]基于先验图像-压缩感知的CT局部重建算法[J]. 陈庆贵,卢洪义,于光辉,朱敏,李朋. 计算机辅助设计与图形学学报. 2016(04)
博士论文
[1]特征稀疏表示的低剂量CT成像方法研究[D]. 刘进.东南大学 2018
本文编号:3643090
【文章来源】:计算机辅助设计与图形学学报. 2020,32(11)北大核心EICSCD
【文章页数】:11 页
【参考文献】:
期刊论文
[1]稀疏张量约束的低剂量CT图像重建[J]. 刘进,亢艳芹,顾云波,陈阳. 光学学报. 2019(08)
[2]正则化技术和低秩矩阵在稀疏表示超分辨率算法中的应用[J]. 黄德天,黄炜钦,云海姣,郑力新. 计算机辅助设计与图形学学报. 2018(05)
[3]基于先验图像-压缩感知的CT局部重建算法[J]. 陈庆贵,卢洪义,于光辉,朱敏,李朋. 计算机辅助设计与图形学学报. 2016(04)
博士论文
[1]特征稀疏表示的低剂量CT成像方法研究[D]. 刘进.东南大学 2018
本文编号:3643090
本文链接:https://www.wllwen.com/yixuelunwen/yundongyixue/3643090.html
最近更新
教材专著