利用鲁棒 GAN 先验改进有限角度 CT 重建
图像与视频处理
2020-01-30 v4 计算机视觉与模式识别
机器学习
机器学习
摘要
有限角度 CT 重建是一个欠定线性逆问题，需借助适当的正则化技术求解。本工作中，我们研究如何利用预训练的生成对抗网络（GAN）通过有效地投影到推断出的图像流形上，来清理传统方法得到的含噪且伪影严重的重建结果。具体而言，我们采用了一种广泛使用的 GAN 先验的鲁棒版本，该版本基于近期称为腐败模仿（corruption mimicking）的技术，可显著改善重建质量。所提方法直接在图像空间操作，因此无需训练或获取测量模型，与扫描仪无关，并可适用于广泛的传感场景。
引用
@article{arxiv.1910.01634,
title = {Improving Limited Angle CT Reconstruction with a Robust GAN Prior},
author = {Rushil Anirudh and Hyojin Kim and Jayaraman J. Thiagarajan and K. Aditya Mohan and Kyle M. Champley},
journal= {arXiv preprint arXiv:1910.01634},
year = {2020}
}
备注
NeurIPS 2019 Workshop on Deep Inverse Problems