基于奇异值分解的压缩感知核磁共振图像重构算法.pdfVIP

. 1248 . 计算机应用研究 第 30 卷 r aj +8 a， ~-9 2 稀疏性转换重构 曲fl( aj .8) =! 0α， 8 (12) 飞 aj -8 a l: 8 在压缩传感框架中运用最多的是以离散小波变换(dis- i crete wavelet transform , DWT) 、离散余菇变换(discrete cosine 其中:民为 MR 图像向量表达式的第i 个列向量，8 为所选取的 transform , DCT) 等问作为稀疏基底。 但是这些方法存在着只 阀值。 但是这样的阂值算法也并不是用于解决非凸的p 范数最 能表示有限范围下的图像或图像特征的缺点例。 本文利用 小化问题，结合软阔值算法，本文提出了一种能解决此类问题 MR 图像非满秩的特点，将 MR 图像用一种新的方法进行稀疏 的一阶迭代算法。 算法的实现可以归纳为以下几个步骤: 表示。 由于稀疏冗余的存在，许多 MR 图像(如头部)的对称 a) 初始化。 令系数向量为α0 = [ 0 ，0，… .of ，待重建图像 性，MR 图像通常是非满秩的。 奇异值分解(SVD) 作为一种重 要的矩阵分解方法，常利用图像的非满秩性来压缩大量数据。 为%0 =归。，冗余为 0 = y; 初始阙值设为仇=专max( diag(A 对于困像儿，其SVD 分解定义为 0) ) ，其中A = 1/ F; 为A 的逆变换，F; 为在 K 空间下傅里 X俨USifV (3) ßt变换的逆变换，1/ 为SVD 变换的逆变换。 其中:U 和 V是标准正交基矩阵，乌为一对角线矩阵d吨(町， b) 根据式(12) ，更新系数向盘吼叫 =1α， +soft(A ,,8) 1; 町，…，σ …，0 ， … ， 0) 且σ.;:!:σl;:!:σ， 0( 7 } 。 这是一个有效对 更新冗余，.. =y-A吼叫;更新阑值 8 .1 =p(}, t 其中ρ 为衰减困 岛的稀疏表示方法，可以通过舍弃一些数值相对较小的奇异 子，一般定义为0 ρ1 。 值来加以近似，即 c) 重复步骤的，直至冗余r 达到所给定的迭代终止条件。 x， x~ 二三σ， u， vT k~r (4) 其中输出的估计系数为α，重建图像则为% =ψα。 3.2 α划i 咱算法解决限制优化问题