换一批摘要为提高显微CT重建图像的空间分辨率，提出了一种基于字典学习的超分辨率图像重建算法。首先，将重建图像进行网格细化，并使用面积权值模型实现对投影过程的精确建模。然后，选择高质量的图像作为训练样本，采用K-SVD算法构建图像字典。基于该图像字典，利用正交匹配追踪算法实现对重建图像的稀疏表达，并以此作为稀疏项约束引入到重建算法的目标函数中。最后，使用梯度下降法求解目标函数。实验结果表明：与传统的基于插值的超分辨率重建算法相比，所提算法的超分辨率结果在图像对比度、边缘保持方面具有优势，并且保留了更多的图像高频信息，从而有效提高了重建图像的空间分辨率。
更多相关知识
关键词
超分辨率重建字典学习面积权值微计算机断层扫描技术super-resolution reconstructiondictionary learningarea weightmicro computed tomography(micro-CT)
分类号
TP391.1
DOI
10.3969/j.issn.1001-0505.2016.05.010
发布时间
2016-11-03（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引12
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
