基于全局统计先验的层析重建
计算机视觉与模式识别
2017-12-08 v1
摘要
近期层析重建研究的动机源于从有限测量中高效恢复精细解剖结构的需求。弥补日益稀疏的测量集的方法之一是利用模板信息，即以已重建的、结构相似图像形式存在的先验数据。为此，已有工作利用了一组基于全局与块字典的先验。本文中，我们提出一种全局先验，以在压缩感知（Compressive Sensing）框架下提升层析重建的速度与质量。我们选取一组称为模板的潜在代表性2D图像来构建特征空间；随后该空间被用于引导从稀疏采集数据中对相似切片的迭代重建。我们在多种不同数据集上的实验表明，与使用最先进方法相比，采用恰当的全局先验不仅速度更快，且重建误差显著降低。
引用
@article{arxiv.1712.02423,
title = {Tomographic Reconstruction using Global Statistical Prior},
author = {Preeti Gopal and Ritwick Chaudhry and Sharat Chandran and Imants Svalbe and Ajit Rajwade},
journal= {arXiv preprint arXiv:1712.02423},
year = {2017}
}
备注
Published in The International Conference on Digital Image Computing: Techniques and Applications (DICTA), Sydney, Australia, 2017. The conference proceedings are not out yet. But the result can be seen here: http://dicta2017.dictaconference.org/fullprogram.html