基于字典学习与BM3 D的MAP投影域降噪算法

摘要

cqvip:针对低剂量CT投影数据存在伪影和噪声的现象,提出了一种基于字典学习与三维块匹配滤波(Block-Matching and 3D Filtering,BM3D)的最大后验(Maximum A Posteriori,MAP)投影域降噪算法.该算法首先使用区别性字典对低剂量CT投影数据进行预处理,达到抑制部分噪声的目的;再运用MAP算法框架,构造一种由中值能量函数与BM3D算子组成的联合先验模型,对整个投影数据进行平滑处理.分别采用两种模型图像对该算法进行验证,实验结果表明,与滤波反投影(Filter Back Projection,FBP)算法、惩罚重加权最小二乘(Penalized Reweighted Least-Squares,PRWLS)算法和各向异性加权先验正弦图平滑算法相比,所提算法重建出的图像伪影较少,较好地保持了图像的边缘信息,具有较高的结构相似性和峰值信噪比.