东南大学学报（自然科学版）
東南大學學報（自然科學版）
동남대학학보（자연과학판）
JOURNAL OF SOUTHEAST UNIVERSITY
2012年
5期
864-868
,共5页
朱永成%陈阳%罗立民%Toumoulin Christine
硃永成%陳暘%囉立民%Toumoulin Christine
주영성%진양%라립민%Toumoulin Christine
K-SVD算法%低剂量CT%字典学习%稀疏表示
K-SVD算法%低劑量CT%字典學習%稀疏錶示
K-SVD산법%저제량CT%자전학습%희소표시
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.
介紹瞭一種基于字典學習的去譟方法,併將其應用于降低低劑量CT圖像譟聲水平的研究.針對體模圖像和病人圖像,分彆選擇低劑量CT圖像和正常劑量CT圖像作為訓練樣本,採用K-SVD算法,通過迭代學習構建圖像字典；然後,結閤正交匹配跟蹤算法,實現圖像稀疏錶示,稀疏成分對應于圖像的有用信息,其他成分對應于圖像譟聲；最後,依據圖像的稀疏成分重建圖像,達到去除譟聲的目的.實驗結果錶明:字典的大小、稀疏錶示的約束條件等參數會顯著影響所提算法的去譟結果；相比低劑量CT圖像,將正常劑量CT圖像作為訓練樣本可以得到更好的去譟結果；在相同的譟聲水平下,所提算法與傳統圖像去譟算法相比可以更好地去除圖像譟聲,且保留瞭圖像的細節信息.
개소료일충기우자전학습적거조방법,병장기응용우강저저제량CT도상조성수평적연구.침대체모도상화병인도상,분별선택저제량CT도상화정상제량CT도상작위훈련양본,채용K-SVD산법,통과질대학습구건도상자전；연후,결합정교필배근종산법,실현도상희소표시,희소성분대응우도상적유용신식,기타성분대응우도상조성；최후,의거도상적희소성분중건도상,체도거제조성적목적.실험결과표명:자전적대소、희소표시적약속조건등삼수회현저영향소제산법적거조결과；상비저제량CT도상,장정상제량CT도상작위훈련양본가이득도경호적거조결과；재상동적조성수평하,소제산법여전통도상거조산법상비가이경호지거제도상조성,차보류료도상적세절신식.
