用于逆成像重建的高频域先验学习
图像与视频处理
2019-10-25 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
成像中的病态逆问题数十年来仍是活跃的研究课题，新方法不断涌现。认识到流行的字典学习和卷积稀疏编码本质上都是在建模图像的高频分量（其承载了诸如纹理细节的大部分语义信息），本文中我们提出一种新颖的多剖面高频变换引导的去噪自编码器作为先验（HF-DAEP）。为达成此目标，我们首先通过特定变换提取一组多剖面高频分量，并向这些高频分量添加人工高斯噪声作为训练样本。随后，在高频先验信息被学习后，我们通过近端梯度下降技术将其融入经典迭代重建过程。在高度欠采样磁共振成像和稀疏视角计算机断层扫描重建上的初步结果表明，所提方法能高效重建特征细节，并展现优于现有最优方法的优势。
引用
@article{arxiv.1910.11148,
title = {Learning Priors in High-frequency Domain for Inverse Imaging Reconstruction},
author = {Zhuonan He and Jinjie Zhou and Dong Liang and Yuhao Wang and Qiegen Liu},
journal= {arXiv preprint arXiv:1910.11148},
year = {2019}
}