资源描述：
《基于非局部低秩正则化的ct图像重建》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、分类号：町３１７．４单位代码；１０１拍０１３３１２０４８研究生学号：２巧巧：公开ｍ巧林大学硕古学位论文学术单化（）基子非局部低秩正则化的ＣＴ函像＊建－－Ｃ下ｉｏｎｍａｇｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｂａｓｅｄｏｎｎｌｏｃａｌｌｏｗｒａｎｋｒｅｌａｒｉｚａｔｇｕｉｏｎ作者姓名：于琳琳专业：信息与计算科学研究方向：困像处理指导巧肺：关玉巧巧巧培养单位：巧学学院２０１６年０４月未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版
2、本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出祖、改编等有碍作者著作权的商业性）．否则应承担侵权使用，（但纯学术性使用不在此限的法律责任．吉林大学硕上学位论文原创性声明是本人在指导教本人郑重声明：所呈交的硕±学位论文，己经注明立进行研巧工作所取得成果，除文中师的指导下，独引用的内容外，本文不包含任何其他人或集体已经发表或撰写均己化文过的作品成果，，对本文做出重要贡献的个人和集体＋人＾＾本中円明确方式标明．本人完全意识到本卢明的法律结
3、果承扭．３抑学位论文作者签名：＾刪４ＨＨ期：年月――――――――――――――――――基基基于于于非非非局局局部部部低低低秩秩秩正正正则则则化化化的的的CT图图图像像像重重重建建建――――――――――――――――――CTimagereconstructionbasedonnon-locallow-rankregularization作者姓名:于琳琳领域(方向):计算数学指导教师:关玉景教授类别:理学硕士答辩日期:年月日摘要近年来,由于压缩感知概念的提出,使得医学图像重建问题得到了学者们强烈的关注
4、.在信号处理领域中,当想从较少的随机测量中精确的恢复信号的时候,稀疏性是一个广泛应用的概念.最近在很多压缩感知的研究中,结构化稀疏在信号重建方面表现出了很强的优势.它利用了自然图像以及医学图像本身具有的自相似性,来构建图像块的相似集合,利用这些相似块组成的矩阵具有稀疏性以及压缩感知的理论对图像进行重建.在现有的一些研究结果中,有学者提了结构化稀疏的非局部低秩正则化(NLR)方法,并利用它来解决压缩感知问题,并且将其应用在MRI图像重建领域.一些研究中还利用了非凸的函数??????(?)来作为矩阵的秩的光滑替代,而
5、在之前人们通常使用凸的核函数来代替矩阵的秩,并且用实验结果证明了它的有效性.由于CT图像也存在着结构化稀疏的特点,因此,在本篇文章中,将非局部低秩正则化的方法应用于CT图像重建.并且在最后的数值实验中证明,这一想法得到了很好的结果.关键词压缩感知低秩逼近结构化稀疏CT图像重建非凸优化5AbstractInrecentyears,duetotheconceptofcompressivesensing,themedicalimagereconstructionproblemhasbeenastrongconcerno
6、fscholars.Insignalprocessing,sparsityhasbeenwidelyexploitedforexactreconstructionofasignalfromasmallnumberofrandommeasurements.Recentadvanceshavesuggestedthatstructuredorgroupsparsityoftenleadstomorepowerfulsig-nalreconstructiontechniquesinvariouscompressedse
7、nsing(CS)studies.Ittakesadvantageofthenaturalimageandmedicalimageitselfhasselfsimi-larity,toconstructtheimageblocksofsimilarset,usingthematrixofthesesimilarblocksthatissparseandcompressedsensingtheorytoreconstructtheimage.Insomescholars’papers,theyproposeanon
8、locallow-rankregular-ization(NLR)approachtowardexploitingstructuredsparsityandexploreitsapplicationintoCSofbothphotographicandMRIimages.Andtheyalsoproposetheuseofanonconvexlogdet(X)asasmo
