买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学;苏州海斯菲德信息科技有限公司

摘要：本发明公开的一种超稀疏角CT图像的重建方法，包括三种优化策略来实现细节增强：首先，引入了双域渐进增强模块，该模块利用每个域内的保真度约束和跨域的一致性约束，有效地缩小了解决空间；其次，结合了通道和空间注意机制，以改善网络的特征缩放过程；最后，提出了一种高频成分增强正则化项，将残差学习与方向加权总变差相结合，根据方向线索有效地区分噪声和纹理，同时增强网络的去噪能力和细节增强能力。本发明提出的注意力引导的高频增强学习网络（HEAL）在数据集上进行了训练、验证和测试，在30视图的超稀疏配置下，展示了其在重建准确性和细节增强方面的优势。

主权项：1.一种超稀疏角CT图像的重建方法，其特征在于包括以下步骤：1引入了双域渐进增强模块，该模块利用每个域内的保真度约束和跨域的一致性约束，缩小了解决空间；①双域渐进增强模块由投影域插值网络SINet和图像域增强网络IENet级联组成；②投影域插值网络SINet和图像域增强网络IENet都采用了修改后的U-Net网络，所述U-Net网络用于提取不同尺度的详细特征，增强了两个网络的细节恢复能力；2结合通道和空间注意机制，改善网络的特征缩放过程；①通道注意力指导下的特征缩放，首先使用全局平均池化从特征图F中获取通道特征向量Vc；然后通过全连接层和ReLU变换对Vc进行编码；随后通过全连接层和Sigmoid变换进行解码，生成描述每个通道重要性的权重向量Vcw；得到空间注意力指导下的输出结果A；②空间注意力指导下的特征缩放，将特征图的高度和宽度整合到一个维度，此时的特征图可以表示为F＝[f1，…，fC]T，由于图像中主要的视觉基元相似，通过引入注意力图P＝[p1，…，pM]，从特征图中提取出一组包含M个视觉基元的空间基底：FP＝[Fp1，…，FpM]，其中是一个视觉基元，再通过引入缩放图将空间基底自适应地分配到缩放特征后的每个位置，继而得到空间注意力指导下的输出结果：O＝FPD；③最终注意力指导下的特征缩放过程结果可表示为：Z＝O+A；3采用高频成分增强正则化项，将残差学习与方向加权总变差相结合，根据方向线索有效地区分噪声和纹理，同时增强网络的去噪能力和细节增强能力。

全文数据：

权利要求：

百度查询： 东南大学 苏州海斯菲德信息科技有限公司 一种超稀疏角CT图像的重建方法