Fugu-MT 論文翻訳(概要): A CT Image Denoising Method Based on Projection Domain Feature

論文の概要: A CT Image Denoising Method Based on Projection Domain Feature

arxiv url: http://arxiv.org/abs/2412.06135v1
Date: Mon, 09 Dec 2024 01:37:48 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-10 14:53:24.115049
Title: A CT Image Denoising Method Based on Projection Domain Feature
Title（参考訳）: 投影領域特徴に基づくCT画像認識手法
Authors: Mengyu Sun, Dimeng Xia, Shusen Zhao, Weibin Zhang, Yaobin He,
Abstract要約: プロジェクションサンプリングの増加は、この問題に対処するためのより良い方法であるが、再構成された画像にかなりのノイズをもたらす。本稿では,プロジェクション領域の特徴に基づくプロジェクション領域記述アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 6.032795571097756
License:
Abstract: In order to improve image quality of projection in industrial applications, generally, a standard method is to increase the current or exposure time, which might cause overexposure of detector units in areas of thin objects or backgrounds. Increasing the projection sampling is a better method to address the issue, but it also leads to significant noise in the reconstructed image. This paper proposed a projection domain denoising algorithm based on the features of the projection domain for this case. This algorithm utilized the similarity of projections of neighboring veiws to reduce image noise quickly and effectively. The availability of the algorithm proposed in this work has been conducted by numerical simulation and practical data experiments.
Abstract（参考訳）: 工業用途における投影の画質を改善するため、一般的には、電流や露光時間を増加させることが標準的な方法であり、薄い物体や背景の領域における検出器ユニットの過剰露出を引き起こす可能性がある。プロジェクションサンプリングの増加は、この問題に対処するためのより良い方法であるが、再構成された画像にかなりのノイズをもたらす。本稿では,プロジェクション領域の特徴に基づくプロジェクション領域記述アルゴリズムを提案する。このアルゴリズムは、隣接する車両の投射の類似性を利用して、画像ノイズを迅速かつ効果的に低減した。本研究で提案するアルゴリズムは,数値シミュレーションと実用的なデータ実験によって実現されている。

関連論文リスト

Integrating Generative and Physics-Based Models for Ptychographic Imaging with Uncertainty Quantification [0.0]
Ptychographyは、走査コヒーレントな回折イメージング技術であり、拡張サンプルのナノメートル規模の特徴を撮像することができる。本稿では,近隣のスキャン位置間の重複を少なくしながらも効果的に機能するptychographyのベイズ逆解析法を提案する。
論文参考訳（メタデータ） (2024-12-14T16:16:37Z)
Beyond Image Prior: Embedding Noise Prior into Conditional Denoising Transformer [17.430622649002427]
既存の学習ベースの推論手法は、大規模なデータセットからイメージを一般化するためにモデルを訓練するのが一般的である。本稿では,ノイズと画像の先行部分の分離を区別することによる,難読化問題に対する新たな視点を提案する。本稿では,1つの生雑音画像から直接先行する雑音を正確に推定する局所雑音優先推定アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-12T08:43:11Z)
Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文参考訳（メタデータ） (2023-05-17T13:56:48Z)
Poisson-Gaussian Holographic Phase Retrieval with Score-based Image Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。 PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文参考訳（メタデータ） (2023-05-12T18:08:47Z)
Representing Noisy Image Without Denoising [91.73819173191076]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文参考訳（メタデータ） (2023-01-18T10:13:29Z)
Details Preserving Deep Collaborative Filtering-Based Method for Image Denoising [3.4176234391973512]
本稿では,Deep-CoFiB(Deep-CoFiB)アルゴリズムを提案する。このアルゴリズムは、最適化されたニューラルネットワークモデルのセットを使用してスパース領域における画像パッチの協調分解を行う。大規模な実験により、DeepCoFiBは(PSNRとSSIMの観点から)多くの最先端の復調アルゴリズムよりも定量的に(定量的に)実行されたことが示されている。
論文参考訳（メタデータ） (2021-07-11T19:02:36Z)
Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
論文参考訳（メタデータ） (2020-12-12T10:33:08Z)
A Critical Analysis of Patch Similarity Based Image Denoising Algorithms [0.0]
イメージデノイングは古典的な信号処理の問題である。画像復号化のアルゴリズムの多くは、非局所的類似性のパラダイムに焦点を当てている。本稿では,非局所類似性に基づく画像認識アルゴリズム開発における複数の側面について述べる。
論文参考訳（メタデータ） (2020-08-25T05:30:37Z)
Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
グループベース画像復元法は,パッチ間の類似性収集に有効である。各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
論文参考訳（メタデータ） (2020-08-09T15:12:16Z)
Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。本稿では,低照度画像強調のための深層学習手法を提案する。提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文参考訳（メタデータ） (2020-07-04T06:26:44Z)
Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。