基于联合正则化的稀疏磁共振图像重构

基于压缩感知的MRI图像重构是利用图像稀疏性,从数量非常有限的观测数据集合中重构出图像,通常L1范数能够产生稀疏解,但它往往与真实稀疏解(L0的解)差距甚大,重构效果不理想,而且在一些图像重构的应用中,单一正则项的作用有限并不能很好地完成复原任务。针对此问题,引入待重构图像的L1/2范数作为新正则项,与TV范数构成联合正则项,采用交替增广拉格朗日乘子法进行求解。为考察方法的稳定性和重构效果,结合不同参数等评价标准与现有的图像重构模型进行比较。实验结果表明,联合正则项的图像重构模型相对于原有模型,图像重构结果稳定性好,可以获得更高的信噪比。

基于L_(1/2)正则项的磁共振图像稀疏重构

磁共振图像可以利用压缩感知从数量非常有限的观测数据集合中重构出,然而为了能够做到这一点,必须要解决定义在大量数据集合上的非光滑函数的最小化这一困难问题.通常L1范数能够产生稀疏解,但它往往与真实稀疏解(L0的解)差距甚大.针对该问题,研究一种基于变量分裂的图像重构模型,引入待重构图像的L1/2范数作为新正则项,采用交替增广拉格朗日乘子法进行求解.为考察方法的稳定性和重构效果,结合不同参数等评价标准与现有的图像重构模型进行比较.实验结果表明,L1/2范数作为正则子的图像重构模型相对于原有模型,图像重构结果稳定性好,可以获得更高的信噪比.

低秩遮挡图像去噪方法

为获得清晰的低秩图像,提出一种将低秩矩阵填充(LRMC)与低秩矩阵恢复(LRMR)联合的新模型,基于非精确增广拉格朗日乘子(IALM)法进行求解,运用LRMC去除遮挡并填充缺失部分,再利用LRMR去除噪声,得到完整的图像。以恢复时间、信噪比(SNR)、峰值信噪比(PSNR)、差错率(err)等做评价标准,对3幅受噪声污染的图像的恢复结果表明,本文提出的联合LRMC与LRMR的新模型,既能去除遮挡又能够填充图像的缺失部分,能够达到理想的恢复效果。