压缩传感其在核磁共振成像中应用.pptVIP

  1. 1、本文档共27页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
--(完美WORD文档DOC格式,可在线免费浏览全文和下载)值得下载!

压缩传感及其在核磁共振成像中的应用 洪明坚 25/11/2010 传统的采样定理 Nyquist-Shannon采样定理 先采样,再压缩 存在的问题 通常情况下 声音: MP3, AAC… ~10:1 compression 图像: JPEG, JPEG2000… ~20:1 compression 视频: MPEG2, MPEG4… ~40:1 compression 问题 传统采样方法浪费严重:先采集所有数据,然后丢弃绝大部分数据。 压缩传感(Compressive Sensing) 在采样的同时进行压缩 也称为Compressed Sensing, Compressed Sampling。 也称为压缩感知 如何实现? CS的三个关键因素 随机采样 信号的稀疏表示 越稀疏,需要的采样越少 重建算法 速度快,精度高 模型 稀疏表示 问题 稀疏优化 为什么是1-范数? 为什么是1-范数?(cont.) When a traveler reaches a fork in the road, the L1-norm tells him to take either one way or the other, but the L2-norm instructs him to head off into the bushes. John F. Claerbout and Francis Muir, 1973 奠基性论文 Emmanuel Candès and Terence Tao,?”Decoding by linear programming” IEEE Trans. on Information Theory, 51(12), pp. 4203 - 4215, December 2005 Emmanuel Candès, Justin Romberg, and Terence Tao,?”Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information,” IEEE Trans. on Information Theory, 52(2) pp. 489 - 509, Feb. 2006. David Donoho,?”Compressed sensing,” IEEE Trans. on Information Theory, 52(4), pp. 1289 - 1306, Apr. 2006. Emmanuel Candès and Michael Wakin,?”An introduction to compressive sampling,” IEEE Signal Processing Magazine, 25(2), pp. 21 - 30, Mar. 2008. 应用领域 人脸识别 医学成像 视频编码 容错处理 单像素照相机 国内情况 国家自然科学基金资助项目,以“压缩传感“或者”压缩感知”搜索 2010年,7+39=46项 2009年,5+15=20项 2008年,没有 2007年,0+1=1项 核磁共振成像(MRI) 本质上 MRI是用硬件的方法实现傅立叶变换 对人体的截面做傅立叶变换,然后采集变换后的数据 通过傅立叶逆变换重建图像 存在的问题 扫描时间比较长(几分钟) 扫描过程中,病人必须保持绝对静止 实时成像困难 传统解决方法 减少采样量 并行采样 需要硬件支持 减少采样量 如果不做任何处理,根据Nyquist-Shannon采样定理, 图像出现混叠(artifacts) 在减少采样量的情况下,如何尽可能地重建图像? 正是CS解决的问题 模型 模型(cont.) 存在的问题 随机采样硬件上不可实现 只能实现相位方向的随机采样 结果 结果(cont.) * * t x(t) t x(t) ^ Receive Decompress Sample Compress Transmit/Store MP3, JPEG, JPEG200, MPEG… samples largest coefficients FFT 称为传感矩阵(Sensing Matrix) K = the sparsity level of x or x is called K-sparse, KM 问题:已知 和 ,而且 在基 中具有稀疏表示,如何从 重建出 ? Sensing matrix = has only K nonzero entries 随机性要求 和 之间具有不相关性(Incoherence) 因此, 一般取高斯噪声

文档评论(0)

mghkfg58 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档