بازسازی آماری تصویر نمای پراکنده با تنظیم واریانس کلی بهبود یافته برای تصاویر میکرو ‌سی‌تی پرتوی ایکس

الگوریتم‌های بازسازی نمای پراکنده [1] در میکروتوموگرافی کامپیوتری (میکرو سی‌تی) از طریق واریانس کلی (TV) [2]، داده را بدون ایجاد نویز و آرتیفکت قابل ملاحظه‌ای بهبود می‌بخشند. در نتیجه، باعث کاهش قابل ملاحظه زمان اسکن در عین حفظ کیفیت تصویر می‌شوند. با این وجود، به دلیل فرض یک مقدار ثابت به صورت تکه‌ای برای تصویر، کمینه‌سازی واریانس کلی معمول باعث ایجاد آرتیفکت‌های تکه‌تکه در تصویر بازسازی شده می‌شود. علاوه بر این، به دلیل نبود گرادیان در واریانس کلی، بعضی اطلاعات جهتی از دست می‌روند. برای رفع این ایرادات، یک استراتژی حداقل مربع وزنی (PWLS) [3] برای بازسازی تصویر نمای پراکنده در میکرو سی‌تی با استفاده از واریانس کلی وزن‌دار تطبیقی (AwTV) [4] در ترکیب با واریانس کلی مورب وزن‌دار تطبیقی (AwDTV) [5] (AwTV + AwDTV)، توسعه می‌دهیم.

AwTV گرادیان‌های طولی و عرضی را در نظر می‌گیرد، در حالی که AwDTV از گرادیان‌های مورب استفاده می‌کند. وزن‌های مرتبط، که بر اساس ویژگی‌های لبه ناهمسانگرد تصویر تعریف می‌شوند، به صورت یک تابع نمایی تعریف می‌شوند و می‌توانند به صورت تطبیقی با مقدار تفاوت بین شدت وکسل‌ها تنظیم شوند تا جزئیات لبه حفظ شود. برای بررسی الگوریتم (AwTV + AwDTV) – PWLS ارائه شده، مطالعات کمی و کیفی توسط شبیه‌سازی‌های کامپیوتری و آزمایشات داده‌های میکرو سی‌تی انجام شد. فانتوم Shepp-Logan برای بازسازی کامپیوتری، فانتوم آب میکرو سی‌تی و یک جمجمه موش صحرایی برای آزمایشات میکرو سی‌تی استفاده شدند تا بازسازی تصویر انجام شود. برای بررسی عملکرد الگوریتم AwTV + AwDTV، آن را با الگوریتم‌های بازسازی TV و AwTV مقایسه کردیم.

نتایج شبیه‌سازی نشان می‌دهد که الگوریتم ارائه شده میتواند به حداقل RMSE و حداکثر PSNR، SSIM و MTF برای تعداد متفاوتی از پروجکشن‌ها در مقایسه با الگوریتم‌های AwTV و TV سنتی دست بیابد. نتایج داده‌های میکرو سی‌تی برتری روش پیشنهادی در مقایسه با AwTV و TV را برای تعداد متفاوتی از پروجشکن‌ها تایید می‌کند.

[1] Sparse-view

[2] Total Variance

[3] Penalized Weighted Least-Square

[4]Adaptive Weighted Total Variation

[5] Adaptive Weighted Diagonal Total Variation

برای مشاهده مقاله در وبسایت ناشر، کلیک کنید.