基于不同全变差的医学图像压缩感知重构

摘要：

为提高磁共振成像(magnetic resonance imaging,MRI)的速度和成像质量,提出全变差(total variation,TV)、非局部全变差(nonlocal total variation,NLTV)和块稀疏全变差(group sparse total variation,GSTV)模型,对MRI图像压缩感知(compressed sensing,CS)重构.将不同TV模型分别与小波基相结合建立稀疏模型,由傅里叶矩阵进行测量,采用快速复合分裂算法(fast composite splitting algorithms,FCSA)实现MRI图像重构,以不同性能指标分析并比较不同TV模型的重构效果.实验结果表明,无论采样率如何设置,基于GSTV压缩感知重构MRI图像在性能指标以及细节精度等方面均具有明显优势,在快速医学成像领域具有一定临床应用价值.

关键词：压缩感知、图像重构、块稀疏、全变差、快速复合分裂算法、医学图像

所属期刊栏目：38

分类号：TN911.73

资助基金：国家自然科学基金项目8137166、61401239;江苏省高校自然科学研究面上基金项目12KJB510026;南通市科技基金项目BK2014066;南通大学2008年度博士科研启动基金项目08B15

在线出版日期：2017-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2443-2450,2463