論文の概要: On Scale Space Radon Transform, Properties and Image Reconstruction
- arxiv url: http://arxiv.org/abs/2205.05188v1
- Date: Tue, 10 May 2022 21:55:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-05-12 19:36:58.373632
- Title: On Scale Space Radon Transform, Properties and Image Reconstruction
- Title（参考訳）: 空間ラドン変換, 特性と画像再構成について
- Authors: Nafaa Nacereddine, Djemel Ziou, Aicha Baya Goumeidane
- Abstract要約: スケール空間ラドン変換(SSRT)の基本特性と逆変換について述べる。
SSRTシングラムから画像を再構成するために、フィルタバックプロジェクション(FBP)技術は2つの異なる方法で使用される。
- 参考スコア（独自算出の注目度）: 4.640835690336652
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Aware of the importance of the good behavior in the scale space that a
mathematical transform must have, we depict, in this paper, the basic
properties and the inverse transform of the Scale Space Radon Transform (SSRT).
To reconstruct the image from SSRT sinogram, the Filtered backprojection (FBP)
technique is used in two different ways: (1) Deconvolve SSRT to obtain the
estimated Radon transform (RT) and then, reconstruct image using classical FBP
or (2) Adapt FBP technique to SSRT so that the Radon projections spectrum used
in classical FBP is replaced by SSRT and Wiener filtering, expressed in the
frequency domain. Comparison of image reconstruction techniques using SSRT and
RT are performed on Shepp-Logan head phantom image. Using the Mean Absolute
Error (MAE) as image reconstruction quality measure, the preliminary results
present an outstanding performance for SSRT-based image reconstruction
techniques compared to the RT-based one. Furthermore, the method (2)
outperforms the method (1) in terms of computation time and adaptability for
high level of noise when fairly large Gaussian kernel is used.
- Abstract（参考訳）: 数学的な変換が持つべきスケール空間における良い振る舞いの重要性に留意して,本論文では,スケール空間ラドン変換(SSRT)の基本特性と逆変換について述べる。
ssrtシンノグラムから画像を再構成するために、フィルタ付きバックプロジェクション(fbp)技術は、(1)推定ラドン変換(rt)を得るためにssrtを縮退させ、(2)古典ラドン変換(rt)を得るか、または(2)古典ラドン投影スペクトルを周波数領域で表現されたssrtとウィナーフィルタリングに置き換えるようにfbp技術をssrtに適合させる。
Shepp-Loganヘッドファントム画像上で,SSRTとRTを用いた画像再構成技術の比較を行った。
画像再構成品質尺度として平均絶対誤差(mae)を用い,rtベースに比べてssrtベースの画像再構成技術に優れた性能を示す。
さらに、この方法(2)は、かなり大きなガウス核を使用する場合の高レベルのノイズに対する計算時間および適応性の観点から、(1)よりも優れる。
関連論文リスト
- Time-resolved dynamic CBCT reconstruction using prior-model-free spatiotemporal Gaussian representation (PMF-STGR) [1.810632624997507]
時間分解CBCT画像は, 正常かつ不規則な運動特性, 患者設定, および運動適応放射線療法のために望まれる。
高速かつ高精度なCBCT再構成のためのガウス表現ベースフレームワーク(PMF-STGR)を開発した。
PMF-STGRは最先端のINRベースのアプローチであるPMF-STINRに対して明確な優位性を示す。
論文 参考訳（メタデータ） (2025-03-28T04:27:30Z) - WAVE-UNET: Wavelength based Image Reconstruction method using attention UNET for OCT images [1.0835264351334324]
本稿では, ラムダ空間から直接, 高品質なOCT画像を再構成し, 複雑さを軽減するための体系的設計手法WAVE-UNETを提案する。
このフレームワークは、IDFT処理されたラムダ空間フリンジを入力として、アテンションゲーティングと残差接続を持つ修正UNETを使用している。
この方法は、時間複雑度を著しく低減した良質なBスキャンを生成することによって、従来のOCTシステムより一貫して優れる。
論文 参考訳（メタデータ） (2024-10-05T11:16:10Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - FCDM: Sparse-view Sinogram Inpainting with Frequency Domain Convolution Enhanced Diffusion Models [14.043383277622874]
シングラムデータに適した新しい拡散型塗布フレームワークを提案する。
FCDMは既存の手法よりも優れており、SSIMが0.95以上、PSNRが30dB以上、SSIMが33%、PSNRが29%である。
論文 参考訳（メタデータ） (2024-08-26T12:31:38Z) - Empowering Snapshot Compressive Imaging: Spatial-Spectral State Space Model with Across-Scanning and Local Enhancement [51.557804095896174]
AsLE-SSMという,グローバルな局所的バランスの取れたコンテキストエンコーディングとチャネル間相互作用の促進に空間スペクトルSSMを用いる状態空間モデルを導入する。
実験の結果,ASLE-SSMは既存の最先端手法よりも優れており,推定速度はTransformerベースのMSTより2.4倍速く,パラメータの0.12(M)を節約できることがわかった。
論文 参考訳（メタデータ） (2024-08-01T15:14:10Z) - CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - Guided Scale Space Radon Transform for linear structures detection [1.7205106391379021]
SSRTを用いて,グレースケールおよびバイナリ画像中の厚みのある線形構造を自動的に検出する手法を提案する。
本手法では,SSRTを計算中における画像のヘッセン方向を計算した。
その結果、SSRT空間におけるその後の最大検出は不要な部分から解放された変換空間上で行われる。
論文 参考訳（メタデータ） (2023-11-15T16:50:01Z) - Computerized Tomography and Reproducing Kernels [0.0]
我々は、X線変換を再生ケルネルヒルベルト空間の間の作用素と考える。
この枠組みの中で、X線変換はユークリッド射影の自然な類似と見なすことができる。
論文 参考訳（メタデータ） (2023-11-13T16:53:38Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral
Compressive Imaging [142.11622043078867]
圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。
HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
論文 参考訳（メタデータ） (2022-05-20T11:37:44Z) - Fast MRI Reconstruction: How Powerful Transformers Are? [1.523157765626545]
k空間アンサンプと深層学習に基づく再構成による手法が、スキャンプロセスの高速化のために一般化されている。
特に、高速MRI再構成のために、GAN(Generative Adversarial Network)ベースのSwin Transformer(ST-GAN)を導入した。
異なるアンダーサンプリング条件からのMRI再建には,トランスフォーマーが有効であることを示す。
論文 参考訳（メタデータ） (2022-01-23T23:41:48Z) - Reference-based Magnetic Resonance Image Reconstruction Using Texture
Transforme [86.6394254676369]
高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。
変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。
提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
論文 参考訳（メタデータ） (2021-11-18T03:06:25Z) - Cross-Scale Internal Graph Neural Network for Image Super-Resolution [147.77050877373674]
自然画像における非局所的な自己相似性は、画像修復に有効な先行研究として、よく研究されている。
単一の画像超解像(SISR)の場合、既存のディープ非局所法のほとんどは、低解像度(LR)入力画像と同じ規模のパッチしか利用していない。
これは、新しいクロススケールな内部グラフニューラルネットワーク(IGNN)を用いて実現される。
論文 参考訳（メタデータ） (2020-06-30T10:48:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。