基于分位数稀疏图像先验的时间与体数据去噪
计算机视觉与模式识别
2019-06-18 v3
摘要
本文提出一种通用且保持结构的 regularization 项，称为分位数稀疏图像（QuaSI）先验。该先验适用于来自多种医学成像模态的图像去噪。我们在体光学相干断层扫描（OCT）和计算机断层扫描（CT）数据上证明了其有效性，这些数据表现出不同的噪声与图像特征。OCT 提供人视网膜的高分辨率扫描，但固有地受散斑噪声影响。而 CT 分辨率较低并呈现高频噪声。为去噪目的，我们提出一种基于 QuaSI 先验和 Huber 数据保真模型的变分框架，可处理 3-D 和 3-D+t 数据。通过使用交替方向乘子法（ADMM）方案和分位数滤波的线性化，促进了高效优化。在多个数据集上的实验强调了所提方法的优异性能。
引用
@article{arxiv.1802.03943,
title = {Temporal and volumetric denoising via quantile sparse image prior},
author = {Franziska Schirrmacher and Thomas Köhler and Tobias Lindenberger and Lennart Husvogt and Jürgen Endres and James G. Fujimoto and Joachim Hornegger and Arnd Dörfler and Philip Hoelter and Andreas K. Maier},
journal= {arXiv preprint arXiv:1802.03943},
year = {2019}
}
备注
Accepted for MICCAI2017 special issue