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: 処理完了
- 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
- Cross-Modality High-Frequency Transformer for MR Image Super-Resolution [100.50972513285598]
我々はTransformerベースのMR画像超解像フレームワークを構築するための初期の取り組みを構築した。
我々は、高周波構造とモード間コンテキストを含む2つの領域先行について考察する。
我々は,Cross-modality High- frequency Transformer (Cohf-T)と呼ばれる新しいTransformerアーキテクチャを構築し,低解像度画像の超解像化を実現する。
論文 参考訳（メタデータ） (2022-03-29T07:56:55Z) - Equivariance Regularization for Image Reconstruction [5.025654873456756]
不完全な測定条件下での画像逆問題に対する構造適応正則化手法を提案する。
この正規化スキームは、測定の物理学における同変構造を利用して、逆問題の不当な位置を緩和する。
提案手法は,古典的な一階最適化アルゴリズムとともに,プラグ・アンド・プレイ方式で適用することができる。
論文 参考訳（メタデータ） (2022-02-10T14:38:08Z) - 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) - ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。
高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。
パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-01-23T21:58:19Z) - Transformer-based SAR Image Despeckling [53.99620005035804]
本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。
提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。
実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
論文 参考訳（メタデータ） (2022-01-23T20:09:01Z) - Spectral Compressive Imaging Reconstruction Using Convolution and
Spectral Contextual Transformer [6.929652454131988]
スペクトルイメージング(SCI)は、ハイパースペクトル画像を2次元計測にエンコードし、アルゴリズムを使って詳細を再構成する。
主なボトルネックは再建アルゴリズムであり、現状のSOTA (State-of-the-art Restruction Method) は一般に長い再建時間や回復不良の問題に直面している。
本稿では,CSCoT(Convolution and Spectral Contextual Transformer block)というハイブリッドネットワークモジュールを提案する。
論文 参考訳（メタデータ） (2022-01-15T06:30:03Z) - Direct PET Image Reconstruction Incorporating Deep Image Prior and a
Forward Projection Model [0.0]
畳み込みニューラルネットワーク(CNN)は近年,PET画像再構成において顕著な性能を発揮している。
深層画像前処理を組み込んだ非教師なし直接PET画像再構成手法を提案する。
提案手法は,非教師なしPET画像再構成を実現するために,損失関数付き前方投影モデルを組み込んだ。
論文 参考訳（メタデータ） (2021-09-02T08:07:58Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Deep Amended Gradient Descent for Efficient Spectral Reconstruction from
Single RGB Images [42.26124628784883]
本稿では、AGD-Netという、コンパクトで効率的でエンドツーエンドの学習ベースのフレームワークを提案する。
まず、古典的勾配降下アルゴリズムに基づいて問題を明示的に定式化する。
AGD-Netは、平均1.0dB以上のリコンストラクション品質を向上させることができる。
論文 参考訳（メタデータ） (2021-08-12T05:54:09Z) - Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。
フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。
訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
論文 参考訳（メタデータ） (2021-06-01T20:34:52Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z)
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。