基于双层字典学习的低剂量CT图像重建算法

摘要：

目的 低剂量投影条件下的CT图像重建.方法 采用双层K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的学习方法进行图像的超分辨率重建.字典学习方法中采用K-SVD算法,稀疏编码采用正交匹配追踪(orthogonal matching pursuit,OMP)算法.该算法首先利用训练库进行第一层字典训练,然后利用第一层训练的字典对低分辨率图像进行重建.进而将重建图像作为第二层待重建图像的输入,这样使得第二层输入图像含有较多的高频细节信息,因此能在重构的过程中恢复更多的细节信息,让高分辨率重构图像达到较好的效果.结果 双层字典重建效果明显优于K-SVD算法,重建图像更接近于原始高分辨率CT图像.结论 本研究对双层字典训练学习的框架进行反迭代投影的全局优化改进,改善了图像的重建质量.

关键词：低剂量投影、K-SVD算法、稀疏编码、双层字典学习、CT重建

所属期刊栏目：36

分类号：R318.04(医用一般科学)

资助基金：重庆市应用开发计划项目cstc2013yykfA10007

在线出版日期：2018-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：584-590