基于全变分正则项展开的迭代去噪网络

作者：侯瑞峰; 张鹏程^*; 张丽媛; 桂志国; 刘祎; 张浩文; 王书斌

来源：计算机应用, 2023, 1-9.

• 计算机断层扫描
• 模型驱动
• 原始对偶算法
• 卷积神经网络
• 图像去噪

针对神经网络训练存在解释能力差的缺陷以及不稳定问题，提出一种基于Chambolle-Pock(CP)算法求解的全变分(TV)正则项展开去噪网络CPTV-Net，用于解决低剂量计算机断层扫描(LDCT)图像去噪问题。首先，向L1正则项模型引入TV约束项，来保留图像的结构信息；其次，采用CP算法对去噪模型进行求解和得出具体迭代步骤，保证算法的收敛性；最后，借助浅层卷积神经网络学习线性操作的原始和对偶变量迭代公式，用神经网络来计算模型的解，并通过收集网络参数来优化合并数据。在模拟和真实LDCT数据集上的实验结果表明，与残差编码器-解码器卷积神经网络(REDCNN)、TEDNet(TransformerEncoder-decoderDilationNetwork)等五种先进的去噪方法相比，CPTV-Net具有较优的峰值信噪比(PSNR)、结构相似度(SSIM)和视觉信息保真度(VIF)评估值，以及能生成去噪效果明显和细节保留最为完整的LDCT图像。

• 单位
  中北大学