【摘要】：為了改善動(dòng)態(tài)MR圖像重建質(zhì)量,提出了一種結(jié)合張量奇異值分解和全變分稀疏模型(TV)的動(dòng)態(tài)核磁共振圖像重建算法。算法對(duì)動(dòng)態(tài)MR圖像進(jìn)行了低秩約束規(guī)范和稀疏約束規(guī)范,分別使用了張量奇異值分解閾值方法和全變分稀疏變化基方法求解。實(shí)驗(yàn)結(jié)果和重建視覺(jué)效果表明,在相同采樣率下,該算法與單獨(dú)使用全變分方法、k-t SLR方法、單獨(dú)使用張量奇異值分解方法相比重建質(zhì)量更優(yōu),在峰值信噪比(PSNR)、均方差(MSE)和結(jié)構(gòu)相似性度量(SSIM)的評(píng)價(jià)指標(biāo)上有所提高,對(duì)圖像去噪去模糊重建有具體的應(yīng)用價(jià)值。
[Abstract]:In order to improve the quality of dynamic MR image reconstruction, a dynamic MR image reconstruction algorithm based on Zhang Liang singular value decomposition (SVD) and total variational sparse model (TV) is proposed. The algorithm applies low rank constraint criterion and sparse constraint criterion to dynamic MR image. Zhang Liang singular value decomposition threshold method and total variational sparse variation basis method are used to solve the algorithm. The experimental results and reconstruction visual effects show that the reconstruction quality of this algorithm is better than that of using the total variational method, k-t SLR method and Zhang Liang singular value decomposition method alone under the same sampling rate, and the peak signal to noise ratio (PSNR) (PSNR), is obtained. The evaluation index of mean square error (MSE) and structural similarity measure (SSIM) is improved, which is of practical value for image denoising and blur reconstruction.
【作者單位】： 四川大學(xué)電氣信息學(xué)院;
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王蘊(yùn)紅,譚鐵牛,朱勇;基于奇異值分解和數(shù)據(jù)融合的臉像鑒別[J];計(jì)算機(jī)學(xué)報(bào);2000年06期

2 高仕龍;;矩陣奇異值分解的圖像性質(zhì)及其應(yīng)用[J];樂(lè)山師范學(xué)院學(xué)報(bào);2008年05期

3 孫靜靜;張宏飛;孫昌;;一種基于奇異值分解的人臉識(shí)別新方法[J];科學(xué)技術(shù)與工程;2010年25期

4 曹長(zhǎng)修;;自適應(yīng)消除干擾的新算法(使用矩陣奇異值分解)[J];自動(dòng)化學(xué)報(bào);1986年02期

5 M.穆倫;張俊芳;;修正的奇異值分解并行實(shí)現(xiàn)[J];雷達(dá)與對(duì)抗;1992年04期

6 戴偉輝，呂維雪，段云所，楊芙清;多準(zhǔn)則優(yōu)化圖象重建方法的奇異值分解研究[J];計(jì)算機(jī)學(xué)報(bào);1997年07期

7 任蕾;施朝健;冉鑫;;應(yīng)用奇異值分解的海上場(chǎng)景顯著性檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2012年23期

8 李曉軍;吳辰文;;基于奇異值分解的流量矩陣估算研究[J];蘭州交通大學(xué)學(xué)報(bào);2012年06期

9 張友民，李慶國(guó)，戴冠中，張洪才;基于奇異值分解的遞推辨識(shí)方法[J];控制理論與應(yīng)用;1995年02期

10 羅鐵堅(jiān);程福興;周佳;;融合奇異值分解和動(dòng)態(tài)轉(zhuǎn)移鏈的學(xué)術(shù)資源推薦模型(英文)[J];中國(guó)科學(xué)院大學(xué)學(xué)報(bào);2014年02期

相關(guān)會(huì)議論文 前10條

1 張友民;陳洪亮;戴冠中;;基于奇異值分解的固定區(qū)間平滑新方法[A];1995年中國(guó)控制會(huì)議論文集（上）[C];1995年

2 何田;王立清;劉獻(xiàn)棟;朱永波;;基于奇異值分解的信號(hào)處理機(jī)理及其應(yīng)用[A];2008年航空試驗(yàn)測(cè)試技術(shù)峰會(huì)論文集[C];2008年

3 張霄;林鴻飛;楊志豪;;基于奇異值分解的蛋白質(zhì)關(guān)系抽取[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

4 曹云麗;郭勤濤;徐堯;周瑾;;基于奇異值分解響應(yīng)面方法的磁軸承轉(zhuǎn)子參數(shù)識(shí)別[A];第11屆全國(guó)轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)（ROTDYN2014）論文集（上冊(cè)）[C];2014年

5 吳曉穎;吳俊;董濱江;;TK方法在γ譜分析中的應(yīng)用[A];第7屆全國(guó)核電子學(xué)與核探測(cè)技術(shù)學(xué)術(shù)年會(huì)論文集（三）[C];1994年

6 林原;林鴻飛;蘇綏;;一種應(yīng)用奇異值分解的RankBoost排序?qū)W習(xí)方法[A];中國(guó)計(jì)算機(jī)語(yǔ)言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

7 金宋友;趙志文;;一種基于奇異值分解盲水印算法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

8 趙衛(wèi)國(guó);翟自勇;王子君;;基于奇異值分解和神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像水印算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

9 岳紅;蔣慰孫;;基于奇異值分解的改進(jìn)Bayes集員辨識(shí)遞推算法[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

10 張景瑞;;基于奇異值分解的SGCMGs輸出誤差分析及操縱律設(shè)計(jì)[A];第三屆全國(guó)動(dòng)力學(xué)與控制青年學(xué)者研討會(huì)論文摘要集[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 相桂芳;MFA與SVD模糊融合的人臉識(shí)別研究[D];合肥工業(yè)大學(xué);2015年

2 聶振國(guó);基于奇異值分解的信號(hào)處理關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2016年

3 夏玉丹;基于S變換和奇異值分解的自動(dòng)癲癇檢測(cè)算法[D];山東大學(xué);2016年

4 武慧娟;基于HHT特征提取的雷聲信號(hào)模式識(shí)別[D];陜西師范大學(xué);2016年

5 鄒申申;基于手指心電信號(hào)時(shí)頻域分析的身份識(shí)別算法研究[D];杭州電子科技大學(xué);2016年

6 曾莼;奇異值分解熵對(duì)股票指數(shù)的預(yù)測(cè)力研究[D];南京財(cái)經(jīng)大學(xué);2016年

7 馬亞峰;基于FPGA的矩陣奇異值分解加速方案的設(shè)計(jì)與實(shí)現(xiàn)[D];北京交通大學(xué);2017年

8 馬斌斌;基于多重奇異值分解熵的屬性約簡(jiǎn)方法研究及應(yīng)用[D];安徽大學(xué);2017年

9 關(guān)曉勇;基于奇異值分解的狀態(tài)監(jiān)測(cè)與故障診斷方法研究[D];大連理工大學(xué);2005年

10 王鋼;基于奇異值分解的機(jī)織物瑕疵檢測(cè)算法研究[D];東華大學(xué);2014年

，

本文編號(hào)：2306527