位置:成果数据库 > 期刊 > 期刊详情页
基于灰度方差和正逆扩散结合的PET重建
  • ISSN号:1000-7024
  • 期刊名称:计算机工程与设计
  • 时间:0
  • 页码:-
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]中北大学电子测试技术国防重点实验室,山西太原030051, [2]中北大学仪器科学与动态测试教育部重点实验室,山西太原030051
  • 相关基金:国家自然科学基金项目(61071192,61271357);山西省自然科学基金项目(2009011020-2);山西省研究生优秀创新基金项目(2009011020-2、20123098);山西省国际合作基金项目(2013081035);山西省高等学校优秀青年学术带头人支持计划资助课题基金项目
  • 相关项目:低剂量X射线CT重建算法研究
作者: 桂志国|
中文摘要:

在正电子发射断层成像(PFT)中,最大后验重建引入图像先验分布信息,将重建结果约束在正则空间中,但是不恰当的约束将导致重建图像过度平滑;经典正逆各项异性扩散模型仅考虑图像的梯度信息,不能完整表征图像的特征。针对该问题,提出了一种基于正逆扩散的优质PET重建算法,将灰度方差与正逆扩散模型结合,并采用改进模型进行正逆各项异性扩散,进行中值先验分布的贝叶斯重建。仿真结果表明,新算法克服了传统算法图像退化的缺点,优化了重建质量,能获得较高的信噪比和较好的图像视觉效果。

英文摘要:

In positron emission tomography (PET) imaging, the maximum a posterior (MAP) algorithm restrict the recon- struction results in a regular space by introducing prior information, but improper constraint cause excessive smoothing. The classic forward-and-backward (FAB) anisotropic diffusion model consider only the image gradient information, can not charac- terize the image feature completely. To solve this problem, a high quality PET reconstruction algorithm based on forward-and- backward diffusion is proposed. Firstly, combining the gray variance and the forward-and-backward diffusion model; Secondly, using the improved model doing forward-an&backward diffusion; Finally, reconstruct the image with the median prior diffusion Bayesian algorithm. The simulation results show that, the new algorithm overcome the drawback of the traditional algorithms on degrading the reconstructed images, optimize reconstructed quality. The proposed algorithm can obtain a higher signal-to-noise ratio (SNR) and a superior visual effect.

同期刊论文项目
期刊论文 34 会议论文 3
同项目期刊论文
期刊信息
  • 《计算机工程与设计》
  • 北大核心期刊(2011版)
  • 主管单位:中国航天科工集团
  • 主办单位:中国航天科工集团二院706所
  • 主编:汤铭瑞
  • 地址:北京142信箱37分箱
  • 邮编:100854
  • 邮箱:ced@china-ced.com
  • 电话:010-68389884
  • 国际标准刊号:ISSN:1000-7024
  • 国内统一刊号:ISSN:11-1775/TP
  • 邮发代号:82-425
  • 获奖情况:
  • 中国科学引文数据库来源期刊,中国学术期刊综合评价数据库来源期刊,中国科技论文统计与分析用期刊
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:45616