18795.基于圖結構正則化稀疏表示的雙層伯格曼磁共振成像重建算法

1、分類號：密級：UDC：學號：416114413026南昌大學專業(yè)學位研究生學位論文基于圖結構正則化稀疏表示的雙層伯格曼磁共振基于圖結構正則化稀疏表示的雙層伯格曼磁共振成像重建算法成像重建算法TwolevelBregmanMethodfMRIReconstructionwithGraphRegularizedSparseCoding尹子瑞培養(yǎng)單位（院、系）：信息工程學院指導教師姓名、職稱：張明輝教授指導教師姓名、職稱：鄧小文高級工程師專業(yè)

2、學位種類：工程碩士專業(yè)領域名稱：電子與通信工程論文答辯日期：2015年5月24日答辯委員會主席：評閱人：2015年月日摘要I摘要近年來，隨著壓縮感知廣泛應用于磁共振成像和模式識別，加上自適應字典學習的發(fā)展，將字典學習和稀疏表示輪換迭代更新求解一系列的線性方程，已成為高欠采樣下磁共振成像的主流模型。但是，現(xiàn)有磁共振成像的稀疏表示模型只駐留在如何將低維流形的語義結構嵌入到更高維度的K空間數(shù)據(jù)，而很少關注K空間數(shù)據(jù)本身的幾何結構信息，本文在基

3、于圖結構正則化稀疏表示模型的基礎上，結合了雙層伯格曼字典學習，利用了K空間數(shù)據(jù)本身的幾何結構信息，增加圖像結構的差異性，應用了基于圖結構正則化稀疏表示的雙層伯格曼磁共振成像算法，實現(xiàn)了更高分辨率的成像。此外，雙層伯格曼迭代思想的引入大大提高了算法的實現(xiàn)速度，其中，外層迭代加強了對K空間數(shù)據(jù)的約束能力，內層迭代則用于解決一些子問題，如圖像塊的字典更新和稀疏表示系數(shù)，同時，在內層迭代中，改進的稀疏表示和簡潔的字典更新策略使算法能快速地趨于收