基于小波树和互补分解的CS-MRI重建算法

来源：计算机技术与发展杂志2018年第12期北京时间：

作者：裴颖;';朱金秀;';杨语晨;吴文霞;'

摘要：针对压缩感知(CS)核磁共振成像(MRI)重建算法中全变分(TV)正则项会导致像细节丢失的问题,引入互补分解模型,结合小波树结构稀疏(简称小波树),提出一种基于小波树和互补分解的CS-MRI重建算法.利用互补分解将图像分成平滑分量和残差分量两个部分,并将平滑分量用于TV正则项,残差分量用于e1范数,可避免TV正则项在滤除噪声的同时滤除过多的细节信息;利用小波树结构稀疏可进一步补充小波稀疏等先验信息,减少测量值或提高信噪比.针对目标函数中存在平滑和残差两个未知分量,将目标函数分解为相应的两个子问题交替最小化进行求解.实验结果表明,与基于小波树的WaTMRI和基于TV的TVCMRI、FCSA等重建算法相比,其能在滤除噪声的同时有效改善MRI图像的细节信息.

关键词：核磁共振成像; 压缩感知; 互补分解; 小波树结构稀疏(小波树); 目标函数; 重建算