用于双域稀疏视角 CT 重建的学习型交替最小化算法
计算机视觉与模式识别
2023-06-07 v2
摘要
我们提出一种新颖的学习型交替最小化算法（LAMA）用于双域稀疏视角 CT 图像重建。LAMA 由一种带可学习非光滑非凸正则化子的 CT 重建变分模型自然导出，这些正则化子被参数化为图像域与正弦图域中深度网络的复合函数。为最小化该模型的目标函数，我们将平滑技术与残差学习架构纳入 LAMA 的设计中。我们表明 LAMA 大幅降低了网络复杂度，提升了内存效率与重建精度，并且可证明收敛以保证可靠重建。大量数值实验证明，在多个基准 CT 数据集上 LAMA 以显著优势优于现有方法。
引用
@article{arxiv.2306.02644,
title = {Learned Alternating Minimization Algorithm for Dual-domain Sparse-View CT Reconstruction},
author = {Chi Ding and Qingchao Zhang and Ge Wang and Xiaojing Ye and Yunmei Chen},
journal= {arXiv preprint arXiv:2306.02644},
year = {2023}
}