摘要
本发明涉及一种基于先验引导的多尺度局部各向异性总变分(PG‑WM‑LATV)方法,本方法具有如下步骤:结合先验图像构建复合目标函数,包含加权数据保真项和多方向性正则化项,将目标函数通过Chambolle‑Pock(CP)算法优化框架实现对偶变量和原始变量的不断更新,然后进行多尺度后处理,多尺度后处理由高斯金字塔将待处理图像分解为多个尺度,在每个尺度实现频域补偿、局部投影域修复和方向正则化。与现有重建方法的实验比较,本方法能有效恢复由于Missing Wedge缺失的区域信息,并显著提高图像结构保真度与细节恢复效果。对CT成像领域Missing Wedge问题提供了有效的解决手段。
技术关键词
多尺度
高斯金字塔
变量
图像重建
抑制伪影
残差加权
加权残差
图像结构
算法
全角度
数据
上采样
校正
矩阵
框架
成像
策略
速度
系统为您推荐了相关专利信息
表面缺陷检测方法
局部细节特征
卷积神经网络提取
注意力机制
多尺度特征提取
进给速度规划方法
多轴数控机床
模拟退火优化算法
控制点
模式搜索优化
图像融合方法
胚胎
融合梯度特征
联合损失函数
融合特征
数据压缩方法
样本
分布式光伏
无损压缩算法
编码字