咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >AWTV和高斯注意力引导的LDCT图像去噪网络 收藏

AWTV和高斯注意力引导的LDCT图像去噪网络

Adaptive Weighted Total Variational and Gaussian Attention-Guided LDCT Image Denoising Networks

作     者:李志媛 刘祎 张鹏程 张丽媛 任时磊 芦婧 桂志国 LI Zhiyuan;LIU Yi;ZHANG Pengcheng;ZHANG Liyuan;REN Shilei;LU Jing;GUI Zhiguo

作者机构:中北大学软件学院太原030051 中北大学省部共建动态测试技术国家重点实验室太原030051 中北大学信息与通信工程学院太原030051 中北大学计算机科学与技术学院太原030051 

出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期:2025年第61卷第3期

页      面:253-263页

核心收录:

学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:山西省回国留学基金委项目(2021-111) 国家自然科学基金(61801438) 山西省高等学校科技创新项目(2020L0282) 

主  题:低剂量CT 图像去噪 深度学习 自适应加权总变分 

摘      要:低剂量CT(low-dose CT,LDCT)图像的去噪任务是一个高度复杂且不确定的逆问题。现有的基于CNN的方法虽然有效,但提升空间有限且计算成本高。相比之下,将图像先验知识与模型相结合来辅助图像去噪是一种更有效的方法。提出了一种名为AWTV_GANet的LDCT图像去噪框架。该框架利用自适应加权总变分(adaptive weighted total variation,AWTV)展开和高斯注意力引导的方法,通过端到端的CNN模型,将噪声优化模型、边缘检测模型和图像重建模型集成在一起。实验证明,AWTV_GANet能够准确地去除伪影噪声,并恢复出更精细的结构细节,与其他方法相比具有优异的性能。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分