2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩53頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、壓縮感知磁共振成像(CS-MRI)是一種很有前景的用于加速動(dòng)態(tài)心臟磁共振成像(dCMRI)的技術(shù)。對(duì)于dCMRI,CS-MRI通常是利用圖像信號(hào)的稀疏性和低秩性通過從K空間獲取的欠采樣動(dòng)態(tài)圖像的數(shù)據(jù)來進(jìn)行重建。基于稀疏約束的磁共振(MR)圖像重構(gòu)過程中,圖像表征越稀疏,重構(gòu)圖像的精度越高。如何提高磁共振成像的稀疏性,對(duì)與提高重構(gòu)圖像的質(zhì)量,具有重要的研究意義。另外,隨著磁共振成像(MRI)在臨床應(yīng)用中日益增長的需求,如何減少噪聲在磁共振

2、成像中的影響意義深遠(yuǎn)。因此在本文中我們將研究基于稀疏約束的磁共振圖像的去噪算法與重構(gòu)算法。
  總廣義變分(TGV)正則化模型是最有效的MR圖像去噪方法之一,然而,對(duì)于三維動(dòng)態(tài)MR圖像,TGV正則化模型不能正確地使用切片之間的相關(guān)空間信息。在本文中,研究了一種三維TGV(3D-TGV)去噪方法,并將其應(yīng)用于對(duì)動(dòng)態(tài)磁共振圖像的不同種類的噪聲進(jìn)行去噪。實(shí)驗(yàn)結(jié)果表明,相比于全變分(TV)以及3D-TGV具有更好的去噪效果,使去噪后的磁共

3、振圖像具有更高的信噪比(SNR)以及較小的偽影。為了提高動(dòng)態(tài)磁共振圖像重構(gòu)的稀疏性,本文提出基于3D-TGV方法與高階奇異值分解(HOSVD)方法相結(jié)合的稀疏約束方法:k-t-TGV-TD(Total Generalized Variation and Tensor Decomposition)。同時(shí),為了提高重構(gòu)圖像的重構(gòu)速度,將快速復(fù)合分裂算法(FCSA)用于復(fù)雜的稀疏凸優(yōu)化問題的求解,即將復(fù)雜的凸優(yōu)化問題分解成多個(gè)簡(jiǎn)單的子問題求解

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論