基于小波树和互补分解的CS-MRI重建算法

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.

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

所属期刊栏目：28

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61273170;2016年南通市市级科技计划2016800303

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：152-156