用于层析重建的自适应图全变分
计算机视觉与模式识别
2018-03-15 v3
摘要
利用稀疏性的图像重建（SER）方法已广泛应用于带有全变分（TV）正则化的层析重建中。局部 TV 方法无法保留纹理细节，且常因过度平滑而产生额外伪影。非局部 TV（NLTV）方法被提出作为解决方案，但它们要么因计算限制而缺乏连续更新，要么将局部性限制在一个小区域内。本文中，我们提出自适应图 TV（AGTV）。该方法通过在整个图像中建立相似区域之间的连接而不受空间距离限制，超越了正在重建的图像不同区域之间的空间相似性。与 NLTV 相比，该方法计算效率高，且在每次迭代中更新图先验，使相似区域之间的连接更加紧密。此外，它在小波和图梯度域中促进稀疏性。由于 TV 是图 TV 的特例，该方法也可视为 SER 和 TV 方法的推广。
引用
@article{arxiv.1610.00893,
title = {Adaptive Graph-based Total Variation for Tomographic Reconstructions},
author = {Faisal Mahmood and Nauman Shahid and Ulf Skoglund and Pierre Vandergheynst},
journal= {arXiv preprint arXiv:1610.00893},
year = {2018}
}
备注
8 Pages, 5 page letter, 3 page supplement, 8 Figures, Accepted for publication: IEEE Signal Processing Letters