文献类型：期刊文章

作　　者：朱永成[1] 陈阳[1,2,3] 罗立民[1,2,3] Toumoulin Christine[1,2,3]

机构地区：[1]东南大学影像科学与技术实验室,南京210096 [2]中法生物医学信息研究中心,法国雷恩35000 [3]法国雷恩大学信号与图像处理实验室,法国雷恩35042

出　　处：《东南大学学报（自然科学版）》

年　　份：2012

卷　　号：42

期　　号：5

起止页码：864-868

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20124715699950)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：介绍了一种基于字典学习的去噪方法,并将其应用于降低低剂量CT图像噪声水平的研究.针对体模图像和病人图像,分别选择低剂量CT图像和正常剂量CT图像作为训练样本,采用K-SVD算法,通过迭代学习构建图像字典;然后,结合正交匹配跟踪算法,实现图像稀疏表示,稀疏成分对应于图像的有用信息,其他成分对应于图像噪声;最后,依据图像的稀疏成分重建图像,达到去除噪声的目的.实验结果表明:字典的大小、稀疏表示的约束条件等参数会显著影响所提算法的去噪结果;相比低剂量CT图像,将正常剂量CT图像作为训练样本可以得到更好的去噪结果;在相同的噪声水平下,所提算法与传统图像去噪算法相比可以更好地去除图像噪声,且保留了图像的细节信息.

关 键 词：K—SVD算法  低剂量CT 字典学习 稀疏表示  

分 类 号：TP391.4]