基于壓縮感知的圖像重構(gòu)技術(shù)研究.pdf

1、壓縮感知理論表明,若信號在某變換域具有稀疏表示,且采樣矩陣與稀疏矩陣不相關(guān),則可從遠(yuǎn)低于信號維度的少量非自適應(yīng)測量值中精確恢復(fù)原信號。目前,壓縮感知理論已被廣泛用于各類磁共振成像中,以便在不降低成像質(zhì)量的情況下減少采樣點(diǎn)數(shù),提高系統(tǒng)掃描速度。本文即研究從亞采樣的磁共振數(shù)據(jù)中,怎樣快速而有效地恢復(fù)目標(biāo)圖像。主要研究內(nèi)容包括:
　　(1)為消除亞采樣的磁共振成像重構(gòu)時可能出現(xiàn)的過光滑(over-smoothed)和混疊偽影現(xiàn)象,將重構(gòu)

2、問題轉(zhuǎn)化成含復(fù)合正則項的約束最小化問題,并提出一種高效的算法來求解。該算法首先利用Bregman迭代技術(shù),將約束問題轉(zhuǎn)化成一系列無約束問題。然后利用算子分裂技術(shù),將各無約束問題分解成一個梯度問題和一個能使用修改的SBD(SplittingBregmanDenoising)算法來求解的復(fù)合正則項的去噪問題。最后再用加速方案對無約束問題的求解予以加速。本文將該算法稱作BFSA(BregmanbasedFastSBDAlgorithm)。對非

3、笛卡爾軌跡采樣的重構(gòu),本文還提出了一種動態(tài)更新L的方法。實(shí)驗結(jié)果表明,新算法能夠獲得比其他算法更好的重構(gòu)質(zhì)量。
　　(2)為了克服現(xiàn)有動態(tài)磁共振成像重構(gòu)速度較慢的問題,本文基于BFSA算法框架,提出一種高效的動態(tài)磁共振成像重構(gòu)算法ktBFSA。該算法利用SBD3D(SplittingBregmanDenoisingfor3Dimages)來求解含復(fù)合正則項的3D去噪問題。實(shí)驗結(jié)果表明,ktBFSA在重構(gòu)速度和重構(gòu)質(zhì)量上都有優(yōu)勢。<

4、br>　　(3)SENSE(Sensitivityencoding)是常用的并行磁共振成像技術(shù),引入壓縮感知后重構(gòu)質(zhì)量可有較大提升。本文針對現(xiàn)有SENSE重構(gòu)算法速度較慢的問題,基于BFSA算法框架,提出一種快速SENSE重構(gòu)算法FSRA(FastSENSEReconstructionAlgorithm)。實(shí)驗結(jié)果表明,新算法能極大地減少重構(gòu)所需時間。自校準(zhǔn)方案無需顯式使用線圈靈敏度信息,因此避免了SENSE重構(gòu)中的靈敏度估計的困難。為

5、了提高基于自校準(zhǔn)技術(shù)框架SPIRiT的重構(gòu)質(zhì)量,提出一種高效的算法ERAS(E?cientReconstructionAlgorithmforSPIRiTBasedParallelImaging)。該算法用算子分離算法將重構(gòu)問題分解成一個梯度計算問題和一個能通過聯(lián)合軟閾值法求解的去噪問題,最后再用加速方案進(jìn)行加速,并使用動態(tài)更新方法更新L。實(shí)驗結(jié)果表明,新算法的重構(gòu)圖像質(zhì)量好于POCS。
　　(4)對壓縮感知在視頻編碼中的應(yīng)用進(jìn)行