版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、X射線對人體健康有一定危害,X射線劑量越大,對人體的損害越大,特別是胎兒,嬰幼兒等對X射線的照射非常敏感。目前對于X射線照射對于遺傳的影響還不是非常明確。從預(yù)防角度來講,X射線相關(guān)設(shè)備的檢查次數(shù)越少越好。在計算機斷層成像過程中,對成像目標(biāo)進(jìn)行稀疏投影數(shù)據(jù)測量是減少X射線照射劑量的一個非常有效的方案。然而稀疏投影數(shù)據(jù)采集會造成成像的數(shù)據(jù)量的減少,成像質(zhì)量的降低,對于稀疏投影數(shù)據(jù)的圖像重建有一定的難度。
CT圖像重建的主要技術(shù)有迭
2、代法和解析法。解析法以濾波反投影(Filtered Back-projection, FBP)最為常用,該算法的重建速度較快,空間和密度分辨率高,但是,它對投影方式要求比較嚴(yán)格,要求完全的、等距的投影數(shù)據(jù),積分路徑要為直線,而且圖像重建有較重的偽影。代數(shù)重建算法(Algebraic Reconstruction Technique, ART)是迭代法的典型形式,適用于不同的采樣數(shù)據(jù),對不完全數(shù)據(jù)也可以重建圖像,但是迭代算法的時間復(fù)雜度和
3、空間復(fù)雜度很高,難于實現(xiàn)。
最近研究比較熱門一個技術(shù)是壓縮感知理論,壓縮感知理論指出:只要信號是可壓縮的或在某個變換域是稀疏的,那么就可以用一個與變換基不相關(guān)的觀測矩陣將變換所得高維信號投影到一個低維空間上,然后通過求解一個優(yōu)化問題就可以從這些少量的投影中以高概率重構(gòu)出原信號,可以證明這樣的投影包含了重構(gòu)信號的足夠信息。因此把壓縮感知理論引入 CT圖像重建中,具有深遠(yuǎn)的現(xiàn)實意義。壓縮感知理論為稀疏投影重建提供了精確的理論支持。
4、
超稀疏投影數(shù)據(jù)圖像重構(gòu)問題本質(zhì)上是不完全數(shù)據(jù)的重構(gòu)問題,其待求變量數(shù)目遠(yuǎn)遠(yuǎn)超過相互獨立的方程數(shù)目?;趬嚎s感知理論,本文引入了基于逼近L0范數(shù)的方法進(jìn)行CT圖像的重建;詳細(xì)的描述了逼近L0范數(shù)的過程,并且設(shè)計了相應(yīng)的迭代算法;同時采用了加權(quán)全變分方法進(jìn)行迭代重建;在代數(shù)迭代過程中,本文采用了一種較為快速的投影矩陣的計算方式來計算投影矩陣,將ART與全變分(Total Variation,TV)技術(shù)相結(jié)合作為本文的對照算法。<
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于平滑l0范數(shù)的稀疏分解算法的改進(jìn).pdf
- 基于梯度圖像的L0范數(shù)最小化的快速磁化率重建方法.pdf
- 基于廣義稀疏的圖像超分辨重建方法研究.pdf
- 基于光滑L0正則子的神經(jīng)網(wǎng)絡(luò)稀疏化梯度學(xué)習(xí)算法研究.pdf
- 基于L0優(yōu)化的紋理分析技術(shù).pdf
- 稀疏投影X射線CT圖像重建及其優(yōu)化算法研究.pdf
- 基于L2范數(shù)和L0范數(shù)方法的心電逆問題研究.pdf
- 稀疏投影角度下的CT迭代圖像重建算法應(yīng)用研究.pdf
- 稀疏角度CT重建的正則化方法研究.pdf
- 基于Bregman的CT稀疏角度迭代重建研究.pdf
- 基于L0梯度最小化的圖像平滑方法研究.pdf
- 基于稀疏表示的不完全投影重建算法研究.pdf
- 基于稀疏梯度域自適應(yīng)字典學(xué)習(xí)方法的CT重建.pdf
- 基于L0范數(shù)和核回歸模型的圖像去噪方法研究.pdf
- 基于稀疏表示與字典訓(xùn)練的含噪圖像超分辨重建方法.pdf
- 基于自適應(yīng)迭代的有限投影CT圖像重建.pdf
- 基于自相似性和稀疏表示的先進(jìn)醫(yī)學(xué)CT重建方法研究.pdf
- 基于稀疏表示的單幅彩色圖像超分辨率重建方法研究.pdf
- 基于l0范數(shù)最小化的圖像恢復(fù)算法研究.pdf
- 基于投影域降噪的低劑量CT重建算法研究.pdf
評論
0/150
提交評論