• 1. 燕山大学 信息科学与工程学院 电子与通信工程系(河北秦皇岛  066004);
  • 2. 安徽科技学院 电气与电子工程学院 电子工程系(安徽滁州 233100);
导出 下载 收藏 扫码 引用

医学核磁共振图像重构技术是核磁共振成像领域的关键技术之一。压缩感知理论指出利用核磁共振图像的稀疏性能够从高度欠采样的观测值中精确重构图像。如何利用图像的稀疏性先验以及更多的先验知识来提高重构质量成为核磁共振成像的一个关键问题。本文根据综合稀疏模型和稀疏变换模型的相互补充作用,利用核磁共振图像在这两种模型下的稀疏性先验,将结合了综合稀疏模型与稀疏变换模型的双稀疏模型应用于压缩感知核磁共振图像的重构系统,提出了一种融合双字典学习的自适应图像重构模型。本文充分利用了图像在自适应综合字典学习和自适应变换字典学习下的两种稀疏先验知识,使用交替迭代最小化法对提出的模型进行分阶段求解,求解过程中引入了综合 K-奇异值分解(K-SVD)算法和变换 K-SVD 算法。通过实验验证,与目前较好的核磁共振图像重构模型对比,本文提出模型的图像重构效果更好、收敛速度更快,且具有更好的鲁棒性。

引用本文: 樊晓宇, 练秋生. 基于双稀疏模型的压缩感知核磁共振图像重构. 生物医学工程学杂志, 2018, 35(5): 688-696. doi: 10.7507/1001-5515.201607006 复制

  • 上一篇

    基于卷积神经网络提取超声图像甲状腺结节钙化点的研究
  • 下一篇

    基于 t 分布邻域嵌入算法的流式数据自动分群方法