基于加权双层Bregman方法以及图结构正则化稀疏表示的磁共振成像重建算法

发布时间：2017-09-20 15:50

  本文关键词：基于加权双层Bregman方法以及图结构正则化稀疏表示的磁共振成像重建算法

  更多相关文章： 磁共振成像 压缩感知 字典学习 双层Bregman迭代 图结构正则化 稀疏表示

【摘要】：磁共振成像因其无电离辐射、非侵入和高的诊断意义,且成像清晰、精细,在临床医学诊断上应用甚广。但是,MRI一直存在着数据采集时间长和成像速度缓慢的问题。压缩感知理论的提出为这一问题提供了解决方案,该理论在磁共振成像中的应用能减少数据采集量,加快成像的速度。如今,基于压缩感知理论的磁共振成像重建算法在不断地发展,传统的算法多使用预先固定的字典进行重建,而重建后的图像不太理想。一些相继提出的字典学习方法,尽管很好地改善了传统算法中存在的问题,但是其稀疏表示结果和重建质量都有待提高。针对这些问题,本文提出一种基于加权双层Bregman方法以及图结构正则化稀疏表示的磁共振成像重建算法。在这项工作中,利用迭代的加权1l范数来改进双层Bregman字典学习方法,同时融入图结构正则化稀疏表示。加权双层Bregman字典学习方法在迭代的过程中,通过pl范数的优化,能使采样数据更稀疏;且在相同的采样情况下,该方法从高欠采样的数据中能完成更高质量的重建。而融入的图结构正则化稀疏表示方法,利用局部数据结构能很好的捕获图像细节信息。实验结果表明,所提出的算法能实现更高质量的MRI重建,在峰值信噪比和高频误差的数值上要优于DLMRI算法和TBMDU算法。
【关键词】：磁共振成像 压缩感知 字典学习 双层Bregman迭代 图结构正则化 稀疏表示
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R445.2;TP391.41
【目录】：

• 摘要3-4
• abstract4-7
• 第1章 绪论7-12
• 1.1 引言7-8
• 1.2 磁共振成像的发展及研究现状8-10
• 1.3 论文的研究内容和结构10-12
• 第2章 MR成像原理和压缩感知理论的概述12-20
• 2.1 MR成像原理12-14
• 2.2 压缩感知理论14-17
• 2.2.1 CS理论依据14-15
• 2.2.2 信号的稀疏表示15-16
• 2.2.3 信号的观测矩阵16
• 2.2.4 信号的重建算法16-17
• 2.3 压缩感知理论用于MRI重建17-20
• 第3章 基于字典学习的磁共振成像20-30
• 3.1 字典学习算法的类型20-24
• 3.1.1 K-VSD算法21-22
• 3.1.2 基于增广拉格朗日的字典学习算法（AL-DL）22-24
• 3.2 基于自适应字典学习的磁共振图像重建算法24-30
• 3.2.1 基于字典学习的高欠采样的MRI重建算法（DLMRI）25-26
• 3.2.2 基于双层Bregman的MRI重建算法（TBMDU）26-30
• 第4章 基于加权双层Bregman方法及图结构正则化稀疏表示的磁共振成像30-35
• 4.1 基于Bregman字典学习的稀疏表示30-31
• 4.2 加权双层Bregman字典学习方法31
• 4.3 图结构正则化稀疏表示算法31-32
• 4.4 加权双层Bregman方法以及图结构正则化稀疏表示的磁共振成像32-35
• 第5章 实验结果分析35-42
• 5.1 相关参数对成像结果的影响35-37
• 5.2 无噪声情况下的成像37-40
• 5.3 加噪声情况下的成像40-41
• 5.4 复数数据的重建41-42
• 第6章 总结与展望42-44
• 6.1 本文工作总结42
• 6.2 展望42-44
• 致谢44-45
• 参考文献45-49
• 攻读学位期间的研究成果49

【参考文献】

中国期刊全文数据库 前7条

1 叶闯;沈益青;李豪;曹思汗;王柏祥;;基于人类视觉特性(HVS)的离散小波变换(DWT)数字水印算法[J];浙江大学学报(理学版);2013年02期

2 赵玉娟;郑宝玉;陈守宁;;压缩感知自适应观测矩阵设计[J];信号处理;2012年12期

3 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

4 孙奎;谢宗武;刘宏;黄剑斌;;梯度投影法多性能准则优化的应用研究[J];控制与决策;2007年12期

5 张春梅;尹忠科;肖明霞;;基于冗余字典的信号超完备表示与稀疏分解[J];科学通报;2006年06期

6 李贻卓,张雪林;磁共振回波平面成像的特点与临床应用[J];中国医学影像技术;1999年08期

7 王宏;核磁共振成像技术[J];试验技术与试验机;1992年05期

中国博士学位论文全文数据库 前2条

1 赵地;基于压缩感知理论的MR图像重建[D];北京理工大学;2015年

2 刘且根;基于增广拉格朗日的字典学习算法及其在医学成像和图像处理中的应用[D];上海交通大学;2012年

中国硕士学位论文全文数据库 前2条

1 何小洋;广义双层伯格曼字典学习的非凸磁共振图像重建算法[D];南昌大学;2015年

2 王圣如;基于自适应字典学习的磁共振快速成像[D];广东工业大学;2014年

，

本文编号：888965