本文關(guān)鍵詞： 壓縮感知 核磁共振成像 組稀疏表示 字典學(xué)習(xí) 非局部相似性　出處：《內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版)》2017年01期 　論文類型：期刊論文

【摘要】：提出一種利用組稀疏表示進(jìn)行CSMRI的方法.在字典學(xué)習(xí)過程中,對(duì)圖像塊按照相似性準(zhǔn)則進(jìn)行分組,并利用這些組進(jìn)行字典訓(xùn)練.將組字典學(xué)習(xí)的代價(jià)函數(shù)引入到壓縮感知核磁共振成像的模型中,并利用交替優(yōu)化方法求解該模型.提出的算法不僅利用了圖像的局部稀疏性,還利用了圖像塊之間的相似性(非局部相似性).實(shí)驗(yàn)結(jié)果證明,該算法能夠重構(gòu)出高質(zhì)量圖像.
[Abstract]:In this paper, a method of using sparse group representation for CSMRI is proposed. In the process of dictionary learning, image blocks are grouped according to similarity criterion. Using these groups to train dictionaries, the cost function of group dictionary learning is introduced into the model of compressed perceptual magnetic resonance imaging, and the alternating optimization method is used to solve the model. The proposed algorithm not only takes advantage of the local sparsity of the image. The similarity between image blocks (non-local similarity) is also used. Experimental results show that the algorithm can reconstruct high quality images.
【作者單位】： 眉山職業(yè)技術(shù)學(xué)院文化藝術(shù)系;成都師范學(xué)院信息化推進(jìn)辦;忻州師范學(xué)院計(jì)算機(jī)系;
【基金】：山西省重點(diǎn)實(shí)驗(yàn)室開放課題(2016002) 忻州師范學(xué)院重點(diǎn)學(xué)科建設(shè)項(xiàng)目(XK201504)
【分類號(hào)】：R445.2;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 鐘曉燕;卜祥磊;田輝勇;;壓縮感知在磁共振成像中的應(yīng)用研究[J];醫(yī)療裝備;2015年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王宇;張樂毅;郝耀軍;;基于組稀疏表示的壓縮感知核磁共振成像算法[J];內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版);2017年01期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 練秋生;陳書貞;;基于解析輪廓波變換的圖像稀疏表示及其在壓縮傳感中的應(yīng)用[J];電子學(xué)報(bào);2010年06期

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 賈敏;王金甲;李靜;洪文學(xué);;基于輔助訓(xùn)練的半監(jiān)督稀疏表示分類器用于腦電圖分類[J];生物醫(yī)學(xué)工程學(xué)雜志;2014年01期

2 楊亮;陸建峰;;一種基于稀疏表示的腦功能子網(wǎng)絡(luò)構(gòu)建方法[J];計(jì)算機(jī)應(yīng)用研究;2014年09期

3 林溱;;基于稀疏表示的MRI研究簡(jiǎn)介[J];電子世界;2014年09期

4 ;[J];;年期

相關(guān)會(huì)議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國(guó)華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測(cè)方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號(hào)處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：1535730