-
题名基于ASD-POCS框架的高阶TpV图像重建算法
被引量：4
- 1
-
-
作者
闫慧文
乔志伟
-
机构
山西大学计算机与信息技术学院
-
出处
《CT理论与应用研究（中英文）》
2021年第3期279-289,共11页
-
基金
国家自然科学基金面上项目(62071281)
山西省重点研发计划(201803D421012)
+1 种基金
山西省留学人员科技活动项目(RSC1622)
山西省回国留学人员科研资助项目(2020-008)。
-
文摘
总变差(TV)最小化模型目前已广泛应用于图像重建领域,其通过最小化一阶图像梯度大小变换的L1范数实现,能在稀疏投影采集下得到精确的重构。然而,TV模型是基于分段平滑的图像的假设提出的,有时会产生阶梯效应。研究发现,高阶总变差(HOTV)模型可以有效压制阶梯效应,提高重建精度。此外,TpV模型使用Lp范数来逼近L0范数,有望进一步提高稀疏重建能力。鉴于此,本文将HOTV模型与TpV模型结合,提出一种新的高阶TpV(HOTpV)重建模型,采用自适应梯度下降-投影到凸集(ASD-POCS)算法进行求解,分别在理想和有噪声条件下对灰度渐变仿真模体以及真实CT图像仿真模体进行稀疏重建实验。实验结果显示,相比于TV、TpV以及HOTV三种重建模型,HOTpV能得到精度最高的图像。
-
关键词
高阶总变差
稀疏重建
压缩感知
asd-pocs算法
-
Keywords
high-order total variation(HOTV)
sparse reconstruction
compressed sensing(CS)
asd-pocs
-
分类号
O242
[理学—计算数学]
TP391.41
[理学—数学]
-
-
题名基于相对TV最小的CT图像重建算法
- 2
-
-
作者
张家浩
乔志伟
-
机构
山西大学计算机与信息技术学院
-
出处
《CT理论与应用研究（中英文）》
2023年第2期153-169,共17页
-
基金
国家自然科学基金面上项目(模型与数据耦合驱动的快速四维EPRI肿瘤氧成像(62071281))
中央引导地方科技发展资金项目(新型TV和学习先验联合约束的快速四维EPRI成像方法(YDZJSX2021A003))
山西省回国留学人员科研资助项目(基于新型四维TV正则机理的快速EPRI肿瘤氧成像方法研究(2020-008))。
-
文摘
总变差(TV)最小算法是一种有效的CT图像重建算法,可以对稀疏或含噪投影数据进行高精度重建。然而,在某些情况下,TV算法会产生阶梯状伪影。在图像去噪领域,相对TV算法展现了优于TV算法的性能。鉴于此,将相对TV模型引入图像重建,提出相对TV最小优化模型,并在自适应梯度下降-投影到凸集(ASD-POCS)框架下设计对应的求解算法,以进一步提升重建精度。以Shepp-Logan、FORBILD及真实CT图像仿真模体进行重建实验,验证了该算法的正确性并评估了算法的稀疏重建能力和抗噪能力。实验结果表明,相对TV算法可以实现逆犯罪,可以对稀疏或含噪投影数据进行高精度重建,与TV算法相比,该算法可以取得更高的重建精度。
-
关键词
计算机断层成像
相对总变差最小
稀疏重建
asd-pocs算法
-
Keywords
computed tomography
minimum relative total variation
sparse reconstruction
asd-pocs algorithm
-
分类号
O242
[理学—计算数学]
TP391.41
[理学—数学]
-
