CT图像重建方法学习记录——用于压缩感知 CT 重建的卷积稀疏编码

最新推荐文章于 2024-05-23 16:57:23 发布
VIP文章 最新推荐文章于 2024-05-23 16:57:23 发布
阅读量735 收藏 24
点赞数 15
文章标签： 学习 计算机视觉 图像处理 超分辨率重建
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_70922885/article/details/138847883
版权

这是本人的一个在研大创项目，苦于缺乏推进的方向，就只好自己在github上搜索带有开源代码的论文进行学习，希望自己能坚持下去，本篇博客用于记录自己的学习笔记及过程，力求自己能完整地把论文看懂并复现代码。我会把完整的阅读思路都展示在博客中，我相信如果我能看懂，读者看了这篇博客后也是能看懂的~接下来，我们就开始吧！

论文标题：《Convolutional Sparse Coding for Compressed Sensing CT Reconstruction》（用于压缩感知 CT 重建的卷积稀疏编码）

目录

论文标题：《Convolutional Sparse Coding for Compressed Sensing CT Reconstruction》（用于压缩感知 CT 重建的卷积稀疏编码）

（1）摘要解读：

*什么是字典学习？

 *什么是卷积稀疏编码（CSC）？

*CSC中的卷积核是如何得到的？

1. 初始化

2. 稀疏编码

3. 字典更新

4. 交替优化

5. 使用高级算法

*稀疏性和压缩感知（CS）理论

稀疏性的含义

压缩感知理论

如何判断图像是否具有稀疏性 ？

*什么是惩罚加权最小二乘（Penalized Weighted Least Squares, PWLS）框架？

最低0.47元/天 解锁文章
Despriber
关注
  • 15
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
2021医疗图像科技前言热点调查表
Haimerdinger的博客
09-24 822
亮点 IEEE Transactions on Medical Imaging文献跟踪 2021年9月 • 40卷 • 第9期 可视化分析： 实验方式： 实验定位： 成像： 文献名/代码开源/推荐 研究部位 数据集 ...
基于深度学习的图像超分辨率重建
qq_32790593的博客
08-24 4616
最近开展图像超分辨率（ Image Super Resolution）方面的研究，做了一些列的调研，并结合本人的理解总结成本博文~（本博文仅用于本人的学习笔记，不做商业用途） 本博文涉及的paper已经打包，供各位看客下载哈~https://download.csdn.net/download/gwplovekimi/10728916   目录 超分辨率（Super Resolution，SR） 传统的图像超分辨率重建技术简介 基于插值的图像超分 基于重建的图像超分辨率 基于学习的图像超
如何学习训练大模型——100条建议（附详细说明）
xw555666的博客
11-07 1万+
通过深入了解这些细节，并在实际项目中应用相关的知识，将能够更好地理解和利用大模型的潜力，不仅在学术研究中，也在工程实践中。通过不断探索新方法、参与项目和保持热情，并将其应用于各种领域，从自然语言处理到计算机视觉和自动驾驶。通过不断学习、实践和探索，可以不断提升自己在深度学习领域的技能和洞察力，同时也能为社会和行业带来创新和改进。从小规模的项目和模型开始，逐渐迭代和扩展到更大的模型，逐步积累经验，最终能够处理大模型和复杂任务。分享您的研究成果和代码，以获得反馈和建立声誉。
使用深度学习的图像分割（综述）
qq_43916860的博客
10-21 6071
这是Image Segmentation Using Deep Learning :A Survey这篇英文文献的中文翻译，在这篇翻译文章中作者用不同颜色的文字对一些专业名词和本人不清楚的地方进行了描述，希望对需要这篇文献中文翻译的同志有所帮助。文献综述可以帮助相关专业的学习者快速熟悉相关话题的研究，以方便其检索已有的研究成果。本人也是一名深度学习领域的初学者，关于文中不当的地方还请各位多多包含。有什么好的建议或者意见欢迎评论区留言。
基于深度学习的语义分割综述
qq_29462849的博客
11-26 1214
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达Image Segmentation Using Deep Learning: A SurveyPaper链接：https://ar...
深度学习课堂笔记
synthesis_30的博客
03-02 1446
第1章 深度学习简介 1.1 课程简介 1.2
图像工程复习
985小菜鸡
01-12 503
多目标跟踪（Multiple Object Tracking，简称MOT）是计算机视觉领域的一个重要研究课题，它旨在实时或准实时地在视频序列中跟踪多个运动目标。在多目标跟踪中，算法需要同时处理多个目标的检测和跟踪，这比单目标跟踪更加复杂和具有挑战性。目标检测：首先要在每一帧中识别出所有感兴趣的目标。数据关联：然后要确定当前帧中的目标与前一帧中的目标是否为同一对象。这个过程也被称为数据关联或目标匹配。跟踪目标：算法需要在整个视频序列中持续跟踪这些目标，尽管它们可能会移动、变形、遮挡或与其他目标相互作用。
图像几何变换时为何要用到插值算法?_图像超分辨率技术-简介
weixin_39655049的博客
10-25 2244
这篇是我之前的课程报告，格式传上来乱了，有时间我会调整，我先把pdf版本放在最前面，建议直接看pdf。一、 定义与分类超分辨率复原技术的基本思想是釆用信号处理的方法，在改善图像质量的同时，重建成像系统截止频率之外的信息，从而在不改变硬件设备的前提下，获取高于成像系统分辨率的图像。超分辨率复原的概念广义上讲包含3种情况: 1)单幅图像分辨率放大2)从多帧连续图像中重建超分辨率单帧图像；3)视频序列的...
深度学习系列-图像分割-算法综述
热门推荐
qqywm的博客
03-14 1万+
传统的基于CNN的分割方法缺点？ 传统的基于CNN的分割方法：为了对一个像素分类，使用该像素周围的一个图像块作为CNN的输入，用于训练与预测，这种方法主要有几个缺点： 1）存储开销大，例如，对每个像素使用15 * 15的图像块，然后不断滑动窗口，将图像块输入到CNN中进行类别判断，因此，需要的存储空间随滑动窗口的次数和大小急剧上升； 2）效率低下，相邻像素块基本上是重复的，针对每个像素块逐个计算...
ctRecontruction.zip_ART迭代算法_CT 二维重建_CT三维重建代码_CT图像重建_art
07-15
解析重建(Analytic Reconstruction, AR)和迭代重建(Iterative Reconstruction, IR)是CT图像重建的两种基本方法。滤过反投影(Filtered Back Projection, FBP)是解析重建的主要算法, 代数重建算法(Algebraic ...
基于C++和opencv的CT图像重建系统源码.zip
05-25
基于C++和opencv的CT图像重建系统源码，可参考学习
基于深度学习的图像超分辨率重建方法综述
03-13
深度学习的图像超分辨率重建方法的发展情况和研究热点，对一些最新的基于深度学习的图像.超分辨率重建方法进行了梳理，将它们分为两大类( 有监督的和无监督的) 分别进行阐述． 然后，.在公开的数据集上，将主流方法...
压缩感知重建数字同轴全息
02-09
应用新兴的压缩感知技术，研究了全息图像的稀疏重建。基于衍射的线性运算，导出了利用压缩感知重建数字同轴全息三维空间的算法。利用该算法对颗粒的模拟全息图和数字显微全息实验全息图进行了重建，并将重建结果与...
学习其他推理判断
最新发布
小琳猫的博客
05-23 1097
学习其他推理判断
【学习笔记】后端（Ⅰ）—— NodeJS（Ⅱ）
Eddie_hyh的博客
05-21 597
NodeJS（Ⅱ）
DOS学习-目录与文件应用操作经典案例-comp
anananajiushiwo的博客
05-23 1009
DOS系统的COMP是一个命令行工具，其主要功能是逐字节地比较两个文件或几组文件的内容。以下是关于COMP功能COMP命令用于比较两个文件的内容是否完全相同。它会逐个字节地对比文件，从而找出任何差异。使用方式：用户可以在DOS命令提示符下输入COMP命令，然后指定要比较的两个文件。如果在没有参数的情况下使用，COMP会提示用户输入要比较的文件。比较范围COMP可以比较相同驱动器或不同驱动器上的文件，以及相同目录或不同目录中的文件。这为用户提供了很大的灵活性，使其能够根据需要比较各种位置的文件。
【PHP小课堂】学习了解PHP中Memcached扩展的使用
硬核项目经理
05-20 955
学习了解PHP中Memcached扩展的使用说实话，在目前的开发环境中，使用 Memcache 的项目还真的不多。在 Redis 大行其道的今天，Memcache 的衰退也可以说是大势所趋。不过，可能很多刚开始学习 PHP 的新同学不知道，当年在 LAMP 时代，除了这四个字母所代表的这些服务端软件之外，缓存上最出名的就是这个 Memcache ，它和 PHP 搭配的历史也非常的长。因此，今天我们...
【Go语言入门学习笔记】Part3.指针和运算符、以及基本输入
FellAveal的博客
05-21 359
仍然好多和C语言类似，计算机的学生应该是很容易入门这一环节，我还在最后的输入中看到了一些些Java输入的影子，而自动的变量类型推断更是有Python那个味道，正可谓几百家之所长了。
深度学习图像压缩感知初始重建
07-29
深度学习图像压缩感知初始重建是指利用深度学习算法对图像进行压缩、感知和重建的过程。在这个过程中，首先使用卷积神经网络（CNN）对图像进行压缩，将图像编码为低维表示。然后，通过解码器将低维表示重建为高分辨率图像。这个过程中，深度学习算法能够学习到图像的特征和结构，从而实现更好的压缩和重建效果。深度学习图像压缩感知初始重建可以应用于图像压缩、图像去噪、图像去模糊等任务。不同的深度学习网络可以实现不同的图像压缩效果，包括基于卷积神经网络、循环神经网络和生成对抗网络的图像压缩方法。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* [【毕业设计】基于深度学习的图像超分辨率重建 - opencv python cnn](https://blog.csdn.net/HUXINY/article/details/125873776)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [从传统的图像压缩到基于深度学习的图像压缩](https://blog.csdn.net/officewords/article/details/130231317)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值