基于字典学习的超分辨率显微CT图像重建

为提高显微CT重建图像的空间分辨率，提出了一种基于字典学习的超分辨率图像重建算法。首先，将重建图像进行网格细化，并使用面积权值模型实现对投影过程的精确建模。然后，选择高质量的图像作为训练样本，采用K-SVD算法构建图像字典。基于该图像字典，利用正交匹配追踪算法实现对重建图像的稀疏表达，并以此作为稀疏项约束引入到重建算法的目标函数中。最后，使用梯度下降法求解目标函数。实验结果表明：与传统的基于插值的超分辨率重建算法相比，所提算法的超分辨率结果在图像对比度、边缘保持方面具有优势，并且保留了更多的图像高频信息，从而有效提高了重建图像的空间分辨率。