文献类型：期刊文章

作　　者：樊晓宇[1,2] 练秋生[1]

FAN Xiaoyu;LIAN Qiusheng(The Department of Electronic and Communication Engineering,School of Information Science and Engineering,Yanshan University,Qinhuangdao,Hebei 066004,P.R.China;The Department of Electronic Engineering,School of Electrical and Electronic Engineering,Anhui Science and Technology University,Chuzhou,Anhui 233100,P.R.China)

机构地区：[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

出　　处：《生物医学工程学杂志》

基　　金：国家自然科学基金项目资助(61471313);安徽科技学院基金项目资助(AKZDXK2015C02)

年　　份：2018

卷　　号：35

期　　号：5

起止页码：688-696

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、EI、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：核磁共振图像 压缩感知 综合稀疏模型  稀疏变换模型  图像重构

分 类 号：R445.2]