基于压缩感知理论的图像重建算法研究
压缩感知(Compressive sensing,CS)理论是一种新兴的信号获取与处理理论,可以通过较少采样数据精确重构出原始信号.由于这一优势,近年来CS理论被广泛应用于医学成像的非完备数据重建领域,以更好地满足加快成像速度,减少辐射剂量的发展需求.本文对两种基于CS理论的图像重建算法(TV-POCS和EM-TV)在稀疏采样及高噪声条件下的应用进行了深入研究.与传统的最大似然函数期望最大化(MLEM)算法相比,这两种方法在稀疏采样条件下都可以获得更好的成像效果,其中EM-TV算法在高噪声条件下可以获得更高的信噪比(Signal to Noise Ratio,SNR)和对比噪声比(Contrast-to-Noise Ratio,CNR),在核医学成像等噪声水平较高的成像模式中有显著意义.
核医学成像 图像重建 压缩感知 稀疏采样
周小林 刘大虎 贠明凯 刘双全 曹学香 王海鹏
中国科学院高能物理研究所,北京 100049 山东核电有限公司,山东 265116
国内会议
太原
中文
442-449
2013-09-01（万方平台首次上网日期，不代表论文的发表时间）