基于字典学习的X射线能谱估计
图像与视频处理
2023-02-28 v1
摘要
随着X射线计算机断层扫描（CT）计算工具在定量上变得愈发精确，源-探测器能谱响知识对于定量、系统无关的重建和材料表征能力至关重要。直接测量CT系统的能谱响应十分困难，这促使人们利用从一组已知均匀物体获得的透射数据进行能谱估计。然而，相关的反问题病态性严重，使得能谱的准确估计极具挑战，尤其在缺乏接近的初始猜测时。本文描述了一种基于字典的能谱估计方法，该方法无需任何能谱响应的初始估计即可得出准确结果。我们的方法采用MAP估计框架，结合了基于物理的正向模型以及字典系数上的稀疏约束和单纯形约束。我们的方法使用贪婪支撑选择方法和一种新的成对迭代坐标下降方法来计算上述估计。我们证明，在先进光源（ALS）8.3.2光束线收集的四个真实数据集的交叉验证实验中，我们基于字典的方法优于最先进的方法。
引用
@article{arxiv.2302.13494,
title = {X-ray Spectral Estimation using Dictionary Learning},
author = {Wenrui Li and Venkatesh Sridhar and K. Aditya Mohan and Saransh Singh and Jean-Baptiste Forien and Xin Liu and Gregery T. Buzzard and Charles A. Bouman},
journal= {arXiv preprint arXiv:2302.13494},
year = {2023}
}
备注
Document Release Number: LLNL-CONF-845171 Submitted to 2023 ICIP conference