基于字典学习的MRI图像重建-智能信息处理专业论文.docxVIP

万方数据 万方数据 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期: 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 日期: 导师签名： 日期: 万方数据 万方数据 摘要 I 摘要 磁共振 MRI 成像，因其低损害性及高诊断意义而得到医学界的广泛应用，但 磁共振 MRI 的应用仍面临着所需数据量大、采集时间长、成像速度慢的难题。压 缩感知为这一难题找到了解决方案，但目前基于压缩感知理论的磁共振 MRI 图像 重构算法，多采用数学分析所得到的字典（如小波域，DCT 域），而这些字典并 不是信号最佳的稀疏域，传统方法多采用全局化的正则参数，因此很难在图像边 缘的保持与平滑噪声之间进行权衡。 针对这些问题，本文提出了一种基于字典学习的磁共振 MRI 图像重构算法。 该算法通过多通道间选取相似块来学习得到字典，从而找到磁共振 MRI 最佳的稀 疏域，并同时将图像的非局部自相似特性引入目标函数中，以提高算法的鲁棒性， 最后选用交替迭代方法求取目标函数，并在迭代求解过程中引入自适应正则化方 法，该方法在迭代过程当中自适应的改变正则参数，此正则参数有利于平滑噪声， 并且能够更好地保持图像的边缘，使得目标函数具有凸性，通过实验表明，该算 法能够更好的刻画磁共振 MRI 图像的结构信息，并有效的权衡了恢复图像的边缘 和平滑噪声之间的关系。 关键字：磁共振 MRI 成像 压缩感知 字典学习 非局部自相似 自适应正 则 II 摘要 ABSTRACT III ABSTRACT Magnetic resonance imaging (MRI), because of its low damaging and high diagnostic significance, is widely used in the medical community. However, the application of magnetic resonance imaging is still facing a large number of problems, such as the huge data acquisition, the long sampling time, slow speed of imaging and so on. Compressed sensing has found solutions to these problems. Nevertheless，the current magnetic resonance imaging (MRI) reconstruction algorithms based on compressed sensing theory have not found the best sparse domain of the image, because they usually use mathematical analysis of dictionary (such as wavelet or DCT)and widely use global regular parameter, which could not balance the relationship between image edge and smoothing noise field as well as possible. To solve these problems, a magnetic resonance imaging (MRI) reconstruction algorithm based on dictionary learn