基于复合正则化的高效压缩感知磁共振成像研究.pdfVIP

计算机与现代化 2016 年第5 期 JISUANJI YU XIANDAIHUA 总第 249 期 文章编号:1 ∞6-2475(2016)05咽39 ..()7 基于复合正则化的高效压缩感知磁共振成像研究 申慧君 (四川工程职业技术学院车辆工程系，四川德阳 618仪lO) 摘要:压缩感知磁共振成像可以在实现数据扫描加速的同时不降低成像质量。在压缩感知磁共振成像方法中，当前的复 合正则化重建模型极少根据信号包含的各种各样的结构特征个性化选取不同的正则化方法，使得当前成像方法需要较 高的采样率以获得具有医学诊断价值的图像。基于此，本文提出一种新的复合正则化成像模型，该模型根据曲泼变换域 高低频子带系数的不同结构特征全变分正则化图像灰度值和低频系数， 1 ， 范数正则化高频系数并采用 k 空间观测值约 束成像保真度。采用变量分裂与交替方向来子法求解该成像模型。针对活体数据的实验仿真结果表明，在相同采样率 下，本文所提方法重构性能远优于当前基于小波与全变分的正则化模型。 关键词:压缩感知;磁共振成像;均匀离散曲波变换;变量分裂;交替方向来子法 中图分类号:TP30 1. 6 文献标识码:A doi: 10. 3969/j. issn. 1 ∞6-2475.2016.05. ∞7 Efficient Compressed Sensing Magnetic Resonance Imaging 8ased on Compound Regularization SHEN Hui才un ( Department of Vehicle Engineeri吨， Sichuan Engineering Technical College , Deyang 618创刀， China) Abstract: Compressed sensing ( CS) is well utilized to accelerate m艳阳tic resonance imaging ( MRI) without degrading images quality. The present compound regularization imaging models seldom select different regularizalion 1∞ls according 10 Ihe differenl structural features of images. The im句ing methods thus require high sampling rates to obtain images with diagnostic value. In this paper , a novel compound regularization CS MRI model integrating two regularization tools: uniform discrete curvelet transform and total variation , is introduced. It includes spatial image and low-pass sub-band coefficients total variation regularization , high-pass sub-bands coefficients 1, regularization and k-space data fidelity constraint. Then this CS MRI model formulation i