基于小波树和互补分解的CS-MRI重建算法

• 作者: 吴文霞 朱金秀 杨语晨 裴颖
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 核磁共振成像 压缩感知 互补分解 小波树结构稀疏(小波树) 目标函数 重建算法
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 应用开发研究
• 页码范围: 152-156
• 页数: 5页
• 分类号: TP301.6
• 字数: 3295字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.12.032

摘要

针对压缩感知(CS)核磁共振成像(MRI)重建算法中全变分(TV)正则项会导致图像细节丢失的问题,引入互补分解模型,结合小波树结构稀疏(简称小波树),提出一种基于小波树和互补分解的CS-MRI重建算法.利用互补分解将图像分成平滑分量和残差分量两个部分,并将平滑分量用于TV正则项,残差分量用于e1范数,可避免TV正则项在滤除噪声的同时滤除过多的细节信息;利用小波树结构稀疏可进一步补充小波稀疏等先验信息,减少测量值或提高信噪比.针对目标函数中存在平滑和残差两个未知分量,将目标函数分解为相应的两个子问题交替最小化进行求解.实验结果表明,与基于小波树的WaTMRI和基于TV的TVCMRI、FCSA等重建算法相比,其能在滤除噪声的同时有效改善MRI图像的细节信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱金秀	河海大学物联网工程学院	51	243	9.0	14.0
3	吴文霞	河海大学物联网工程学院	4	8	2.0	2.0
5	杨语晨	河海大学物联网工程学院	4	33	2.0	4.0
6	裴颖	河海大学物联网工程学院	1	0	0.0	0.0