Совместная реконструкция и сегментация изображений: сравнение двух алгоритмов малоракурсной томографии

В статье сравниваются два алгоритма малоракурсной томографии: итерационный алгоритм минимизации функционала Поттса и алгебраический алгоритм реконструкции с TV-регуляризацией и адаптивной сегментацией. Оба алгоритма ориентированы на восстановление кусочно-постоянных структур, используют теорию опознавания со сжатием и совмещают процедуры реконструкции и сегментации изображений. На уровне численного эксперимента показано, что каждый из алгоритмов способен точно восстанавливать фантом Шеппа–Логана всего по 7 ракурсам. Когда же речь идет о восстановлении объекта, имеющего сложную высокочастотную структуру (QR-кода), минимальное число ракурсов, необходимое для точной реконструкции, возрастает до 17–21 в случае алгоритма реконструкции с TV-регуляризацией и адаптивной сегментацией и до 32–34 в случае итерационного алгоритма минимизации функционала Поттса. Показано, что разработанный авторами статьи алгоритм реконструкции с TV-регуляризацией и адаптивной сегментацией имеет некоторое преимущество над итерационным алгоритмом минимизации функционала Поттса по таким критериям, как точность и скорость реконструкции, а также устойчивость к шуму проекционных данных. Отмечено, что алгоритм реконструкции с TV-регуляризацией и адаптивной сегментацией имеет хороший потенциал для дальнейшего совершенствования.