《Journal of Medical Imaging and Health Informatics》发表 “Compressed Sensing Reconstruction Based on Combination of Group Sparse Total Variation and Non-Convex Regularization”

        近日,国际期刊《Journal of Medical Imaging and Health Informatics 》发表了中科大影像中心严婷撰写的研究论文“Compressed Sensing Reconstruction Based on Combination of Group Sparse Total Variation and Non-Convex Regularization ”。

        该研究主要针对压缩感知磁共振成像中,全变分正则项容易引入阶梯伪影的问题,将交叠组合稀疏全变分和非凸罚函数相结合,提出了一种新的重建模型——GSTVNR,有效提高了图像的重建质量。论文的第一作者为中心研究生严婷。

实验结果分别验证了 GSTVNR 中交叠组合稀疏全变分能够有效缓解全变分导致的阶梯伪影,非凸函数相比于l1范数能够更加促进稀疏,并且和其他方法对比,在不同的采样模板和采样率下,GSTVNR 都能够更好地保留边缘,获得质量更高的图像。图1为GSTVNR和各种方法分别在伪高斯和伪径向采样下的定量对比。

图1  GSTVNR和各种方法分别在伪高斯(a)和伪径向(b)采样下的定量对比

        上述研究得到了国家重大科学仪器设备开发专项[81527802]的支持。

发表评论

电子邮件地址不会被公开。 必填项已用*标注