基于加权双层Bregman及图结构正则化的磁共振成像

• 作者: 卢红阳 张明辉 徐晓玲 肖凯
• 来源期刊: 深圳大学学报（理工版）
• 学科: 地球科学
• 关键词: 图像处理 磁共振成像 压缩感知 图结构正则化稀疏表示 字典学习 加权双层伯格曼迭代 交替方向法
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 119-126
• 页数: 8页
• 分类号: N34
• 字数: 4330字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2016.02119

摘要

针对磁共振图像(magnetic resonance imaging,MRI)重建质量的问题,提出一种基于加权双层Bregman字典学习方法和图结构正则化稀疏表示的新算法.该算法中,迭代重加权最小l1和图结构正则化稀疏表示模型是被合并到双层Bregman字典学习方法中.加权双层Breman的字典学习方法在外层迭代中增强K空间抽样数据的约束性,在内层迭代中解决Lp的优化.而图结构正则化稀疏表示方法具备捕获图像结构细节的能力,所以从较高的欠采样数据中能完成精确重建.此外,在内层迭代中,重加权最小l1和图结构正则化稀疏表示使算法能快速地趋于收敛.实验结果表明,所提出的算法可有效恢复MRI图像,其峰值信噪比和高频错误的值都优于基于压缩感知的字典学习方法和基于双层Bregman的自适应字典学习方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明辉	南昌大学信息工程学院	14	83	5.0	8.0
2	卢红阳	南昌大学信息工程学院	4	34	2.0	4.0
3	徐晓玲	南昌大学信息工程学院	5	20	2.0	4.0
4	肖凯	南昌大学信息工程学院	1	1	1.0	1.0