基于梯度即插即用去噪器的CT图像增强方法
数值分析
2021-03-22 v2 计算机视觉与模式识别
数值分析
摘要
模糊与噪声对计算机断层扫描（CT）图像的破坏会隐藏或扭曲微小但重要的细节，从而对诊断产生负面影响。本文提出一种新颖的基于梯度的即插即用（Plug-and-Play）算法，其构建于半二次分裂（Half-Quadratic Splitting）方案之上，并应用于CT图像复原。具体而言，我们考虑了多种涵盖外部与内部去噪器作为先验的方案，这些先验定义于图像梯度域。内部先验基于全变分（Total Variation）泛函。外部去噪器由在梯度域（而非像现有前沿工作那样在图像域）上训练的深度卷积神经网络（CNN）实现。我们还证明了在内部与外部去噪器的弱假设下的一般不动点收敛定理。实验在模拟与真实医疗场景下均证实了所提框架在复原模糊含噪CT图像方面的有效性。与许多前沿方法的结果相比，复原图像所取得的增强效果十分显著。
引用
@article{arxiv.2102.07510,
title = {Plug-and-Play gradient-based denoisers applied to CT image enhancement},
author = {Pasquale Cascarano and Elena Loli Piccolomini and Elena Morotti and Andrea Sebastiani},
journal= {arXiv preprint arXiv:2102.07510},
year = {2021}
}
备注
Submitted to journal