基于ASD-POCS框架的高阶TpV图像重建算法研究.pptxVIP

content目录01研究背景与问题提出02理论基础与模型演进03高阶TpV重建模型构建04ASD-POCS求解框架设计05实验设计与性能验证06结果分析与研究展望

研究背景与问题提出01

传统总变差模型在稀疏投影重建中面临阶梯效应的固有局限阶梯效应成因传统TV模型基于分段平滑假设，通过最小化一阶梯度L1范数实现稀疏重建。在灰度渐变区域易误判为边缘，导致重建图像出现块状伪影。稀疏投影挑战当投影角度稀少时，数据信息不足使解析法如FBP产生严重条纹伪影。TV类方法虽能抑制噪声，但难以准确恢复连续过渡的组织结构。TV模型局限性TV模型倾向于将图像过度平滑，丢失细微纹理与低对比度结构。其对高阶平滑特征缺乏建模能力，限制了在复杂医学影像中的应用精度。伪影影响诊断阶梯伪影可能被误认为病理边界，干扰医生对病灶形态的判断。尤其在软组织成像中，影响边缘清晰度与密度一致性评估。

一阶TV假设分段平滑性难以刻画复杂灰度渐变结构TV模型局限TV模型假设图像为分段常数，导致重建结果过度平滑，难以反映灰度渐变区域。阶梯伪影问题在灰度平滑过渡区域出现阶梯状伪影，影响视觉质量和诊断准确性。结构失真表现对血管和软组织等连续结构重建失真，降低医学图像的可靠性。平滑组织挑战在脑白质、肌肉等平滑区域表现不佳，细节恢复能力有限。需高阶先验模型引入高阶先验可提升对连续变化的建模能力，改善重建质量。增强表达能力高阶模型能更好刻