用于有限角度层析成像的尺度空间各向异性全变分
计算机视觉与模式识别
2018-01-30 v2
摘要
本文研究有限角度层析成像中的条纹伪影抑制。尽管迭代重加权全变分（wTV）算法能较好地抑制细小条纹，但由于全变分（TV）正则化具有尺度依赖性，可能将这些条纹视为均匀区域，因而相当不擅长消除大条纹。因此，本文的主要目的是在多尺度上抑制条纹伪影。我们提出了尺度空间各向异性全变分（ssaTV）算法的两种不同实现。第一种实现（ssaTV-1）利用各向异性类梯度算子，在每个尺度 s 上沿条纹法线方向使用 2s 个邻域像素。第二种实现（ssaTV-2）利用同样沿条纹法线方向取向的各向异性下采样与上采样操作，以在多尺度上施加 TV 正则化。在数值与临床数据上的实验表明，两种 ssaTV 算法都比 wTV 更有效且高效地抑制条纹伪影，尤其在使用多尺度时。
引用
@article{arxiv.1712.06930,
title = {Scale-Space Anisotropic Total Variation for Limited Angle Tomography},
author = {Yixing Huang and Oliver Taubmann and Xiaolin Huang and Viktor Haase and Guenter Lauritsch and Andreas Maier},
journal= {arXiv preprint arXiv:1712.06930},
year = {2018}
}
备注
8 pages, 12 figures (48 subfigrues in total)