| 基于压缩感知的CT重建算法的研究现状 |
| |
| 引用本文： | 王艺淳,刘杰. 基于压缩感知的CT重建算法的研究现状[J]. 北京生物医学工程, 2016, 35(1): 76-80. DOI: 10.3969/j.issn.1002-3208.2016.01.15 |
| |
| 作者姓名： | 王艺淳 刘杰 |
| |
| 作者单位： | 北京交通大学计算机与信息技术学院(北京100044);北京交通大学计算机与信息技术学院(北京100044) |
| |
| 基金项目： | 国家自然科学基金(30970777) |
| |
| 摘 要： | 压缩感知理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据以缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量,由此可以解决在CT重建中还普遍存在的清晰度不够高、线性度不够好和有噪声伪影干扰等问题。由于该理论的这些显著优点,使其在CT成像领域引起了广泛关注,取得了很大进展。本文对近几年压缩感知应用于CT重建的研究方法和成果进行归纳和分析,其中包括传统统计迭代算法与压缩感知理论相结合方法的分析,先验图像约束与压缩感知理论相结合方法的分析以及字典学习的发展历程分析。最后,对该研究领域的发展进行了展望。
|
| 关 键 词： | 压缩感知 字典学习 图像重建 低剂量CT 稀疏表示 |
Review of CT reconstruction based on compressed sensing |
| |
| WANG Yichun,LIU Jie. Review of CT reconstruction based on compressed sensing[J]. Beijing Biomedical Engineering, 2016, 35(1): 76-80. DOI: 10.3969/j.issn.1002-3208.2016.01.15 |
| |
| Authors: | WANG Yichun LIU Jie |
| |
| Abstract: | |
| |
| Keywords: | compressed sensing dictionary learning image reconstruction low-dose CT sparse representation |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
