全变差最小化在CT图像环状伪影去除中的应用

"这篇论文探讨了基于量子理论的自适应图像融合规则在CT图像环状伪影去除中的应用。环状伪影是CT图像中常见的质量问题，主要由像元响应不理想、探测器的余晖效应和射线硬化等因素造成。论文介绍了多种环状伪影的校正方法，包括校正像元响应不一致、校正投影正弦图和校正重建图像。全变差最小化作为一种有效的去噪技术，被用于处理CT图像中的环状伪影，以提高图像质量。这种方法通过保持图像轮廓和平坦性，对图像进行去噪处理。全变差最小化在CT重建领域，尤其是与压缩感知理论结合时，已得到广泛应用。尽管在实际操作中，基于压缩感知的重建方法由于计算复杂度较高，但在图像后处理中应用全变差最小化可以直接作为约束条件，简化处理过程。论文通过在模拟投影数据中加入噪声并进行全变差最小化处理，分析了图像峰值信噪比的变化，展示了该方法在去除环状伪影方面的效果。" 在本文中，作者首先介绍了环状伪影的定义和产生原因，强调了它对CT图像质量的影响。接着，作者列举了几种现有的环状伪影校正策略，包括针对像元响应不一致的校正、投影正弦图的处理以及重建图像的修正。这些方法分别通过高通滤波、离散傅里叶变换、水平平滑等手段来改善图像质量。 论文的焦点在于全变差最小化的应用。全变差最小化是一个有效的图像去噪技术，其核心是通过寻找全局最小的全变差来保持图像边缘的清晰度，同时减少噪声。在CT图像处理中，全变差最小化不仅可以用于压缩感知理论的重建优化，还可以直接应用于图像后处理，以抑制环状伪影。通过模拟实验，作者展示了全变差最小化处理如何改善图像的峰值信噪比，从而验证了这种方法在去除环状伪影方面的有效性。 最后，作者是来自东南大学生物科学与医学工程学院的研究团队，他们的工作为CT图像质量的提升提供了一个新的视角，即利用全变差最小化技术来解决环状伪影问题，这对临床诊断和医疗影像处理有着重要的实践意义。