针对当前低剂量计算机断层扫描（LDCT）重建图像中存在复杂噪声与条纹伪影的问题，提出了一种基于双注意力机制和复合损失的LDCT去噪方法。该方法通过引入空间注意力机制与通道注意力机制，获取了全局特征信息，并对特征权重进行重标定，使重要的结构细节能够得以保留，从而提升网络的去噪性能；同时加入感知损失度量函数，使对人眼而言敏感的纹理信息得到保留。实验结果表明：在视觉效果上，所提方法不仅去除了LDCT图像中的噪声和伪影，同时也保留了更多的纹理特征与结构细节；峰值信噪比（PSNR）等客观指标均高于其他对比方法。
图像处理 低剂量计算机断层扫描 注意力机制 感知损失 激光与光电子学进展
2022, 59(2): 0210008
为了改善低剂量计算机断层扫描(CT)图像的视觉质量,提出一种基于卷积神经网络的图像去噪方法。网络引入批量归一化,并且学习的是低剂量CT图像到其噪声图像之间的映射;使用空洞卷积在不提高复杂度的情况下增大感受野;此外,还将前后层的特征图进行连接,使后方的卷积层能够利用前方各层的特征图作为输入,鼓励网络中特征图的重用。实验结果表明,与目前较先进的方法相比,所提网络结构在实现了更好去噪效果的同时大幅度降低了网络复杂度,能够快速、显著地改善低剂量CT图像的视觉质量。
图像处理 图像去噪 低剂量计算机断层扫描 深度学习 卷积神经网络
