基于双能CT 图像域的DL-RTV多材料分解研究 - Researching
摘要 双能计算机断层扫描(DECT)技 术因能分解和识别材料,并 提供定量化的成像结果,广 泛应用于医疗、安 检、无损检测以及材料科学等领域。 DECT 技术能提供物体在两种能谱下的衰减信息,可 准确分解两种基材料。 但当检测对象含有三种材料时,若 对DECT 图像直接求逆(DIMD)分 解多材料,其 基图像将含较多噪声和伪影。 为此,提出了一种基于双能CT 图像域的字典学习(DL)和 相对总变分(RTV)的 多材料分解算法,简 称DL-RTV 算法。 通过直接求逆获得初始基图像,利 用字典学习挖掘基图像的稀疏性,以 提高材料分解的准确性;引 进RTV进一步降低基图像的噪声和伪影,并 保护图像细节;同 时引入各基材料质量守恒和像素边界的约束项,提高材料分解精度。
more
|