基于VGG网络与深层字典的低剂量CT图像去噪算法

摘要：

低剂量计算机断层扫描(LDCT)能够有效降低X射线辐射对人体健康造成的危害,已广泛应用于医学临床诊断.针对LDCT图像中存在大量的斑点噪声和条形伪影的问题,提出一种结合改进的VGG网络和深层字典的图像去噪算法,以弥补深层字典去噪能力的不足.在深层字典学习到第一层字典原子和稀疏矩阵后,通过改进的VGG网络将字典原子区分为信息原子和噪声原子,同时将稀疏矩阵中噪声原子所对应的元素设置为零,降低噪声原子对图像去噪效果的影响.实验结果表明,与K-SVD算法、正则化K-SVD算法和深层字典学习算法相比,该算法的峰值信噪比和结构相似性指数平均提高了1.4 dB和0.03,能够有效抑制LDCT图像噪声和伪影,且保留较多的边缘和细节信息.

关键词：低剂量计算机断层扫描、K-奇异值分解算法、VGG网络、深层字典、图像去噪

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;山西省自然科学基金;国家重点实验室开放基金;山西省应用基础研究计划项目;山西省青年科学基金;中北大学青年学术带头人项目

在线出版日期：2022-06-23（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：191-196,205