摘要
本发明属于太赫兹图像处理领域,公开了一种基于多域多尺度特征融合神经网络的极端稀疏角度太赫兹计算断层扫描(THz‑CT)重建方法,用于解决传统重建方法无法在极端稀疏采样视角下重建出清晰THz‑CT图像的难题,本发明的重建方法首先对太赫兹时域光谱采集得到的正弦图A进行稀疏采样得到正弦图B并制作掩模图C;接着输入到训练好的正弦域图像处理模型得到优化后的正弦图D;随后利用快速迭代收缩阈值算法(FISTA)将正弦图D初步重建为CT图像E;最后通过一个训练好的图像域处理模型对重建的CT图像进行优化得到高质量的CT图像。本发明的方法可实现对极端稀疏角度采样下THz‑CT图像进行重建,重建的CT图像能够保留丰富高频细节与边缘信息。
技术关键词
融合神经网络
CT重建方法
图像重建
迭代收缩阈值算法
太赫兹图像处理
分支
编码器
拉普拉斯金字塔
图像处理模型
多尺度结构
解码器
制作掩模
通道
视角
上采样
高频特征
时序特征
系统为您推荐了相关专利信息
粒子成像方法
生成网络模型
时间序列图像
中央处理设备
三维重建图像
心脏磁共振
成像模块
检查技术
梯度回波序列
心动周期
图像重建方法
图像生成模型
热成像
通道注意力机制
电力设备