基于字典学习的低剂量X-ray CT图像去噪

• 作者: Toumoulin Christine 朱永成 罗立民 陈阳
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: K-SVD算法 低剂量CT 字典学习 稀疏表示
• 年，卷（期）: 2012,（5）
• 页码范围: 864-868
• 页数: 5页
• 分类号: TP391.4
• 字数: 4361字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2012.05.013

摘要

介绍了一种基于字典学习的去噪方法,并将其应用于降低低剂量CT图像噪声水平的研究.针对体模图像和病人图像,分别选择低剂量CT图像和正常剂量CT图像作为训练样本,采用K-SVD算法,通过迭代学习构建图像字典；然后,结合正交匹配跟踪算法,实现图像稀疏表示,稀疏成分对应于图像的有用信息,其他成分对应于图像噪声；最后,依据图像的稀疏成分重建图像,达到去除噪声的目的.实验结果表明:字典的大小、稀疏表示的约束条件等参数会显著影响所提算法的去噪结果；相比低剂量CT图像,将正常剂量CT图像作为训练样本可以得到更好的去噪结果；在相同的噪声水平下,所提算法与传统图像去噪算法相比可以更好地去除图像噪声,且保留了图像的细节信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永成	东南大学影像科学与技术实验室	1	18	1.0	1.0