基于稀疏梯度域字典学习的低剂量脑CT图像恢复-通信与信息系统专业论文.docx

ABSTRACT image first to alleviate the bad effects of the gradient operator and then the PCA transformed data are used to train dictionary in order to reach denoising. Another algorithm filters the CT image blocks via three-dimensional block matching (BM3D) before the gradient operations. The gradient images of the filtered CT are applied to learning dictionary. Experiments on the clinical human brain CT images show that both algorithms have desired denoising performance on low-dose CT images, which is expected, if applied in clinics, to be helpful to greatly reduce the X-ray radiation dose received by the patients without affecting the doctors’ diagnosis accuracy. Key Words: sparse gradient domain；dictionary learning；image denoising；PCA； BM3D III 目 目 录 IV IV 目 录 HYPERLINK \l _bookmark0 第 1 章 绪论 1 HYPERLINK \l _bookmark1 1.1 引言 1 HYPERLINK \l _bookmark2 1.2 研究背景及国内外研究现状 2 HYPERLINK \l _bookmark3 1.3 本文研究内容和组织结构 4 HYPERLINK \l _bookmark4 第 2 章 低剂量 CT 及基于稀疏表示的医学图像恢复概述 7 HYPERLINK \l _bookmark5 2.1 计算机断层成像技术简介 7 HYPERLINK \l _bookmark6 2.2 低剂量 CT 临床意义 12 HYPERLINK \l _bookmark7 2.3 稀疏表示理论 13 HYPERLINK \l _bookmark8 2.3.1 稀疏表示理论与传统采样定理的比较 13 HYPERLINK \l _bookmark9 2.3.2 稀疏分解 14 HYPERLINK \l _bookmark10 2.3.3 基于字典学习的稀疏表示 16 HYPERLINK \l _bookmark11 2.4 基于稀疏表示的医学图像恢复 18 HYPERLINK \l _bookmark12 2.5 小结 18 HYPERLINK \l _bookmark13 第 3 章 基于稀疏梯度域字典学习的 CT 图像恢复 19 HYPERLINK \l _bookmark14 3.1 稀疏梯度域 19 HYPERLINK \l _bookmark15 3.2 GradDL 算法 20 HYPERLINK \l _bookmark16 3.3 算法求解 21 HYPERLINK \l _bookmark17 3.4 实验 24 HYPERLINK \l _bookmark18 3.4.1 实验数据——DICOM 文件 25 HYPERLINK \l _bookmark19 3.4.2 低剂量 CT 图像模拟 26 HYPERLINK \l _bookmark20 3.4.3 低剂量 CT 图像去噪 27 HYPERLINK \l _bookmark21 3.5 小结 30 HYPERLINK \l _bookmark22 第 4 章 改进的稀疏梯度域字典学习算法 31 HYPERLINK \l _bookmark23 Grad-PCA 算法及实验 31 HYPERLINK \l _bookmark24 4.1.1 主分量分析 31 HYPERLINK \l _bookmark25 4.1.2 Grad-PCA 算法 31 V V HYPERLINK \l _bookmark26 4.1.3 实验 35 TOC \o 1-2 \h \z \u HYPERLINK \l