换一批摘要为了减轻X射线辐射对病患的危害,CT扫描设备的设计需要考虑降低辐射剂量的需求.源于压缩感知理论的字典学习重建算法可用于求解不完备投影数据的CT图像重建问题,然而该算法的正则约束项无法有效区分噪声和低对比度信息,重建图像容易丢失软组织边缘细节信息.本文提出一种加权字典学习重建算法,基于每次迭代的结果,利用字典稀疏表示的残差设计正则约束项的权重因子,使算法在迭代过程中对图像不同区域施加不同程度的平滑效应,从而在平滑噪声的同时保留低对比度信息.实验结果表明,提出的改进算法有效的保留了软组织边缘信息,与原算法相比,明显提高了重建图像的质量.
更多相关知识
关键词
图像处理CT重建字典学习权重因子欠采样image processingCT reconstructiondictionary learningweight factorunder-sampled
医学主题词
学习(Learning)图像处理, 计算机辅助(Image Processing, Computer-Assisted)算法(Algorithms)方法(Methods)噪声(Noise)
栏目名称
DOI
10.3969/j.issn.1674-1633.2018.06.003
发布时间
2018-07-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览56
- 被引3
- 下载13
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
