买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：燕山大学

摘要：本发明公开了一种卡通纹理字典网络的有限角度CT金属伪影校正方法，包括如下步骤：步骤S1、模拟有限角度采样下金属影响的CT投影数据，即获得有限角度采样且含金属迹的正弦图，并对投影数据进行滤波反投影FBP操作，得到待重建的CT图像初始估计；步骤S2、将待重建的CT图像进行分解，得到卡通分量和纹理分量图像；步骤S3、建立基于卡通分量和纹理分量的优化模型；步骤S4、对构建的优化模型进行交替迭代最小化求解，分别对卡通分量、纹理分量和CT图像进行迭代更新；步骤S5、输出重建的高精度CT图像。本发明能够实现金属植入物存在下的有限角度CT高质量重建；所提出的卡通纹理深度字典网络具有模型可解释性。

主权项：1.一种卡通纹理字典网络的有限角度CT金属伪影校正方法，其特征在于：包括如下步骤：步骤S1、模拟有限角度采样下金属影响的CT投影数据，即获得有限角度采样且含金属迹的正弦图，并对投影数据进行滤波反投影FBP操作，得到待重建的CT图像初始估计；步骤S2、将待重建的CT图像进行分解，得到卡通分量和纹理分量图像；步骤S3、建立基于卡通分量和纹理分量的优化模型；建立基于卡通分量和纹理分量的优化模型的过程为：首先，建立LAMAR优化模型，公式如下： 其中，*表示卷积操作，||·||1表示l1范数，λ1和λ2表示权衡参数，紧框架W满足紧属性e为单位向量，通过交错稀疏特征图来构建全局表示系数向量α＝α1,α1,…,αNm∈RNm；其次，设计一个由局部字典DL∈Rn×m的N个移位构成的全局卷积字典其中局部字典DL的列向量为则基于卡通分量和纹理分量的优化模型为： 步骤S4、对构建的优化模型进行交替迭代最小化求解，分别对卡通分量、纹理分量和CT图像进行迭代更新；利用交替迭代方法来求解构建的优化模型： 在第t次迭代时,u、Dc和α交替更新如下：更新u，给定噪声图像经过紧框架滤波后的图像可表示为： 其中，softu,ε＝signumax|u|-ε,0表示软阈值函数，利用一种深度阈值网络DTN从噪声图像中自适应学习阈值，即f·表示提出的DTN，更新α,Dc，式4可以通过迭代求解表示系数α和卷积字典Dc两个子问题来解决；使用邻近梯度下降算子更新表示系数α，第k+1次迭代为： 其中，ζk表示阈值；L是卷积字典Dck的最大特征值；使用Ak和Bk来参数化K个邻近梯度下降算子来构建深度字典网络，其中Ak和Bk分别为可学习的解析和综合卷积算子： 则： 其中使用DTN网络从中自适应学习阈值；卷积字典Dct在训练阶段通过反向传播进行学习，更新x：xt＝ut+vt9；利用交替迭代算法对优化模型进行求解，并将迭代过程展开成为深度神经网络，深度展开网络由T个阶段组成，对应于迭代算法的T次迭代，每个阶段均包含U-Net和V-Net，U-Net由具有自适应阈值的紧标架构成，V-Net采用深度字典网络架构；其中x0＝xlama，ut和vt分别基于式5和8由U-Net与V-Net更新，xt由式9更新；步骤S5、输出重建的高精度CT图像。

全文数据：

权利要求：

百度查询： 燕山大学 一种卡通纹理字典网络的有限角度CT金属伪影校正方法