Kurzfassung
Das Rekonstruktionsproblem für die Computertomographie (CT) mit begrenztem Aufnahmewinkel ist schlecht gestellt. Mit Standardtechniken wie der gefilterten Rückprojektion oder der Singulärwertzerlegung können nur Kanten rekonstruiert werden, welche tangential zu den aufgenommenen Projektionen liegen. Die Annahme, dass das zu rekonstruierende Objekt dünn besetzt in einer gewählten Wavelet-Basis ist, führt zu einer Regularisierung des Rekonstruktionsproblems mit der L1-Norm. Durch Lösen des sich stellenden Minimierungsproblems lassen sich selbst bei geringem Aufnahmewinkel Kanten im gesamten Winkelbereich rekonstruieren. Für einen Aufnahmewinkel von 90° ist die Rekonstruktion perfekt. Da die Abtastung nicht im Fourier-, sondern im Ortsraum erfolgt, ist keine Interpolation von kartesischen Koordinaten auf Polarkoordinaten erforderlich.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Natterer F, Wübbeling F. Mathematical Methods in Image Reconstruction. Society for Industrial and Applied Mathematics, Philadelphia; 2001.
Quinto ET. Tomographic reconstructions from incomplete data-numerical inversion of the exterior Radon transform. Inverse Probl. 1988;4:867–76.
Donoho DL. Compressed sensing. IEEE Trans Inform Theory. 2006;52(4):1289– 1306.
Egiazarian K, Foi A, Katkovnik V. Compressed sensing image reconstruction via recursive spatially adaptive Filtering. In: Proc IEEE ICIP; 2007.
Romberg J. Imaging via compressive sampling. IEEE Signal Process Mag. 2008;25(2):14–20.
Buzug TM. Computed Tomography. Springer, Berlin Heidelberg; 2008.
Candes EJ, Tao T. Near-optimal signal recovery from random projections: universal encoding Strategies? IEEE Trans Inform Theory. 2006;52(12):5406–25.
Elad M. Sparse and Redundant Representations: From Theory to Applications in Signal and Image Processing. Springer, New York; 2010.
Zhang Y. User’s Guide for YALL1: Your Algorithms for L1 Optimization. Rice University, Houston, Texas; 2009.
Candes EJ, Wakin MB. An introduction To compressive sampling. IEEE Signal Process Mag. 2008;25(2):21–30.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2012 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Kleine, M., Müller, J., Buzug, T.M. (2012). L1-Regularisierung für die Computertomographie mit begrenztem Aufnahmewinkel. In: Tolxdorff, T., Deserno, T., Handels, H., Meinzer, HP. (eds) Bildverarbeitung für die Medizin 2012. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-28502-8_27
Download citation
DOI: https://doi.org/10.1007/978-3-642-28502-8_27
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-28501-1
Online ISBN: 978-3-642-28502-8
eBook Packages: Computer Science and Engineering (German Language)