基于字典学习与等效视数的低剂量 CT伪影抑制算法

• 作者: 刘祎 杨一鸣 桂志国
• 来源期刊: 中北大学学报（自然科学版）
• 学科: 工学
• 关键词: 低剂量CT 字典学习 稀疏表示 等效视数
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 电子与电子信息
• 页码范围: 559-567
• 页数: 9页
• 分类号: TP391.41
• 字数: 7088字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3193.2019.06.013

摘要

针对低剂量CT图像出现条形伪影的现象,提出了一种基于字典学习与等效视数(ENL)的伪影抑制算法.该方法首先利用平稳小波变换(SWT)对低剂量CT图像进行单层分解,并对高频图像训练字典,然后利用等效视数(ENL)对字典进行分区得到伪影字典和特征字典,并只对特征原子进行稀疏编码,经小波逆变换(ISWT)后得到处理的CT图像;然后,采用双边滤波器对处理后的CT图像进行分解并训练高频字典,通过判断等效视数(ENL)来摒弃伪影字典,从而去除高频图像残留的伪影和噪声,达到抑制条形伪影的目的.实验结果表明,与总变分降噪算法、K-奇异值分解(K-SVD)算法和三维块匹配滤波(BM3D)算法对比,该算法在抑制条形伪影的同时保留了更多的边缘和细节信息,并具有较高的结构相似性和峰值信噪比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桂志国	中北大学生物医学成像与影像大数据重点实验室	108	491	11.0	16.0
2	刘祎	中北大学生物医学成像与影像大数据重点实验室	43	182	8.0	11.0
3	杨一鸣	中北大学生物医学成像与影像大数据重点实验室	2	0	0.0	0.0