Combined sparsifying transforms for compressed sensing MRI
Combined sparsifying transforms for compressed sensing MRI
复制标题
压缩感知 MRI 的组合稀疏变换
DOI：
10.1049/el.2010.1845
复制
发表时间：
2010-01
影响因子：
1.1
通讯作者：
Guo, D.
中科院分区：
文献类型：
--
作者：
Hu, C.;Chen, Z.;Qu, X.;Cao, X.;Guo, D.
在传统的压缩感知MRI方法中，单一的稀疏化变换不能稀疏地表示所有类型的图像特征，限制了重建质量。基于基追求原理，提出了一种结合稀疏化变换提高图像稀疏度的方法。仿真结果表明，该方法可以很好地恢复不同类型的图像特征，并且可以很容易地与总变分相关联。
In traditional compressed sensing MRI methods, single sparsifying transform limits the reconstruction quality because it cannot sparsely represent all types of image features. Based on the principle of basis pursuit, a method that combines sparsifying transforms to improve the sparsity of images is proposed. Simulation results demonstrate that the proposed method can well recover different types of image features and can be easily associated with total variation.
登录
查看更多内容
DOI：
10.1017/cbo9780511794308
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Gitta Kutyniok
通讯作者：
Gitta Kutyniok
影响因子：
2.5
作者：
Candès, EJ;Romberg, J;Tao, T
通讯作者：
Tao, T
DOI：
--
发表时间：
2000
期刊：
--
影响因子：
--
作者：
E. Candès;D. Donoho
通讯作者：
E. Candès;D. Donoho
影响因子：
1.1
作者：
Qu, GH;Zhang, DL;Yan, PF
通讯作者：
Yan, PF
DOI：
10.1016/b978-0-12-820488-7.00023-2
发表时间：
2020
期刊：
Computing in Communication Networks
影响因子：
--
作者：
Maroua Taghouti
通讯作者：
Maroua Taghouti