-
题名基于双能CT图像域的DL-RTV多材料分解研究
被引量:5
- 1
-
-
作者
降俊汝
余海军
龚长城
刘丰林
-
机构
重庆大学机械传动国家重点实验室
重庆大学光电技术及系统教育部重点实验室
重庆大学工业CT无损检测教育部工程研究中心
重庆工商大学数学与统计学院
-
出处
《光学学报》
EI
CAS
CSCD
北大核心
2020年第21期87-98,共12页
-
基金
国家自然科学基金(61471070)
国家重大仪器开发专项(2013YQ030629)。
-
文摘
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。仿真和实验研究表明,DL-RTV算法能较准确地分解三种材料,较好抑制基图像噪声和伪影,提高了材料区分度,从而验证了此算法的有效性和实用性,这对DECT技术的发展和应用具有重要的意义。
-
关键词
成像系统
双能计算机断层扫描技术
多材料分解
图像域
字典学习
相对总变分
-
Keywords
imaging systems
dual-energy computed tomography
multi-material decomposition
image domain
dictionary learning
relative total variation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-