声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的主要工作和结构安排
第二章 压缩感知理论及重建方法
2.1 压缩感知基本理论
2.2 稀疏表示基本概念
2.3 投影测量
2.3.1 压缩感知编码测量理论
2.3.2 K空间采样矩阵
2.4 传统CS-MRI重建方法
2.4.1 基于TV及小波稀疏系数约束的SparseMRI重建方法
2.4.2 基于自适应字典学习的K-SVD建方法
2.4.3 基于图像块方向小波的CS-MRI重建方法
2.4.4 基于非参数贝叶斯字典学习的CS-MRI重建方法
2.5 本章小结
第三章 基于梯度图像复原的OS-MRI重建方法
3.1 引言
3.2 基于TV先验的CSMRI重建方法
3.2.1 FTVCS
3.2.2 RecPF
3.3 基于梯度图像复原的QradientRec重建法
3.3.1 建立模型
3.3.2 解法过程
3.4 实验结果
3.4.1 图像质量客观评价指标
3.4.2 实验结果与分析
3.5 本章小结
第四章基于差分域图像自适应稀琉表示的CS--IIRI重建方法
4.1 引言
4.2 基于图像块方向小波的差分域CS-MRI重建算法(Grad-PBDW)
4.2.1 建立模型
4.2.2 解法过程
4.3 基于非参数贝叶斯自适应字典学习的差分域CS-MRI重建算法(Grad-BDL)
4.3.1 建立模型
4.3.2 解法过程
4.4 基于高低频协同滤波的CS-MRI重建方法
4.5 实验结果与分析
4.5.1 仿真数据
4.5.2 实际数据
4.6 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读学位期间的学术成果