基于Chambolle-Pock算法框架的高阶TV图像重建算法

• 作者: 乔志伟 席雅睿 张艳娇 杨雯晶 温静 闫慧文
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 高阶总变差 约束优化 压缩感知 图像重建 Chambolle-Pock算法
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 1793-1798
• 页数: 6页
• 分类号: TP391.41
• 字数: 5731字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019111955

摘要

传统的总变差(TV)最小算法是一种基于压缩感知(CS)的经典迭代重建算法,可以从稀疏数据或含噪数据中高精度地重建图像.然而,TV算法在重建分段常数特征不明显的图像时可能会引入块状伪影,通过研究得出,在图像去噪中使用高阶总变差(HOTV)能有效压制TV模型引入的块状伪影.鉴于此,提出了一种HOTV图像重建模型及其Chambolle-Pock(CP)求解算法.具体来说,以二阶梯度构建二阶TV范数,进而设计了一种数据保真约束的二阶TV最小重建模型,并推导出了相应的CP算法.在理想数据投影和含噪数据投影条件下,分别采用基于波浪背景的Shepp-Logan模体、灰度渐变模体以及真实CT图像模体进行重建实验,并进行定性和定量分析.理想数据投影的重建结果表明,和传统TV算法相比,HOTV算法能有效压制块状伪影并提高重建精度.含噪数据投影的重建结果表明,HOTV算法和TV算法均有良好的抗噪能力,但HOTV算法的保边性能更好且抗噪性更强.在重建分段常数特征不明显而灰度波动特征明显的图像时,HOTV算法是一种比TV算法更优的重建算法.所提HOTV算法可以被推广到各种扫描模式下的CT重建及其他成像模态中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔志伟	山西大学计算机与信息技术学院	10	9	2.0	2.0
2	温静	山西大学计算机与信息技术学院	12	11	2.0	3.0
3	席雅睿	山西大学计算机与信息技术学院	2	0	0.0	0.0
4	张艳娇	山西大学计算机与信息技术学院	1	0	0.0	0.0
5	杨雯晶	山西大学计算机与信息技术学院	1	0	0.0	0.0
6	闫慧文	山西大学计算机与信息技术学院	1	0	0.0	0.0