基于空间信息的双域实时有限角 CT 修复与重建
图像与视频处理
2021-01-20 v1 计算机视觉与模式识别
摘要
低剂量计算机断层扫描是一个现实中的常见问题。电流降低、稀疏采样和有限角扫描均会导致该问题。其中，由于不可避免的机械与物理限制，有限角 CT 在工业中十分普遍。然而，有限角 CT 因其大量信息丢失会导致严重的成像问题。因此，我们应有效利用稀缺的先验信息来进行补全。不可否认的是，CT 成像切片极为密集，导致连续图像间具有高度连续性。我们意识到，在视频修复中充分利用连续帧间的空间相关性可显著改善修复结果。受此启发，我们提出一种基于深度学习的三个阶段算法，借助空间信息提升有限角 CT 成像质量。在第一阶段，为更好地利用 Radon 域中的先验信息，我们设计了一个对抗自编码器来补全 Radon 数据。在第二阶段，建立模型以基于图像域中的空间连续性进行修复。至此，我们已粗略恢复成像，但其纹理仍需精细修复。因此，我们在第三阶段提出一个模型以精确恢复图像，最终获得理想的修复结果。此外，我们采用 FBP 而非 SART-TV，使算法更适于实时使用。实验中，我们对被截去后三分之一部分的 Radon 数据进行恢复与重建，其 PSNR 达 40.209、SSIM 达 0.943，同时精确呈现了纹理。
引用
@article{arxiv.2101.07594,
title = {Real-Time Limited-View CT Inpainting and Reconstruction with Dual Domain Based on Spatial Information},
author = {Ken Deng and Chang Sun and Yitong Liu and Hongwen Yang},
journal= {arXiv preprint arXiv:2101.07594},
year = {2021}
}