基于压缩感知的核磁共振成像重构算法

在核磁共振成像的应用中,一般采用联合方式求解L1范数算子和全变差分算子,而联合正则算子的求解模型比较复杂,为此,利用算子分裂技术求解联合正则算子,以降低求解模型的复杂度。在此基础上,提出一种迭代加权的压缩感知核磁共振重构算法,根据图像在离散傅里叶变换下系数的先验统计特性优化观测矩阵。仿真结果表明,该重构算法不仅提高了算法的重构精度而且减少了重构时间。

一种自适应低采样率图像分块压缩感知算法

分块压缩感知(BCS)适用于图像信号的压缩感知(CS)处理.当采样率较低时,BCS迭代阈值投影(BCS-SPL)算法对图像纹理部分重构质量差,针对此不足,提出基于全变差分自适应采样率BCS正交匹配追踪(Total Variation based Sampling Adaptive Block Compressed Sensing w ith OM P,TVSA-BCS-OM P)算法,该算法对图像重叠分块以消除重构结果的块效应,根据图像子块的纹理复杂度自适应分配采样率,并且子块的纹理复杂度用各自的全变差分进行测量,从而全变差分较大的子块可获得更高采样率.各子块由纹理分配采样率保留变换域下的非零系数,分别进行CS采样以及OMP重构.实验结果显示,当图像初始采样率较低(低于0.2)时,TVSA-BCS-OMP算法的重构精度始终高于BCS-SPL算法,特别是对图像纹理块的重构质量更高,并且前者的重构时间比后者更低.