首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稀疏张量的核磁共振成像算法

摘要第5-6页
abstract第6-7页
第一章 绪论第13-21页
    1.1 研究工作的背景与意义第13-15页
    1.2 国内外研究现状第15-17页
    1.3 本文的主要工作第17-19页
    1.4 本文的结构安排第19-21页
第二章 压缩感知原理及其在动态MRI重建中的应用第21-32页
    2.1 压缩感知理论第21-23页
    2.2 基于压缩感知的动态核磁成像第23-31页
        2.2.1 采样方法第25-29页
            2.2.1.1 笛卡尔采样第27页
            2.2.1.2 非笛卡尔采样第27-29页
        2.2.2 稀疏基第29-30页
        2.2.3 重建模型和算法第30-31页
    2.3 本章小结第31-32页
第三章 基于周期时变下采样和多方向全变分的混合并行动态核磁共振成像.第32-56页
    3.1 符号定义第33页
    3.2 相关基础算法介绍第33-36页
        3.2.1 优化最小化第33-34页
        3.2.2 迭代重加权最小二乘第34-36页
    3.3 基于周期时变采样率的下采样第36-37页
    3.4 多方向全变分第37-40页
    3.5 HCS-DMRI模型及数值算法第40-44页
        3.5.1 IRLS-PCG算法第41-44页
    3.6 实验对比与分析第44-54页
        3.6.1 实验设置第44-45页
        3.6.2 实验结果第45-52页
            3.6.2.1 重建精度比较第46-52页
            3.6.2.2 重建效率比较第52页
        3.6.3 分析与讨论第52-54页
    3.7 本章小结第54-56页
第四章 基于张量的多低秩加稀疏重建方法第56-71页
    4.1 张量基本运算第57-61页
    4.2 张量全变分第61-62页
    4.3 优化模型及算法第62-65页
        4.3.1 数值算法第62-65页
            4.3.1.1 更新?第62-64页
            4.3.1.2 更新第64-65页
    4.4 结果与分析第65-70页
    4.5 本章小结第70-71页
第五章 总结与展望第71-73页
    5.1 全文总结第71-72页
    5.2 未来展望第72-73页
致谢第73-74页
参考文献第74-80页
攻硕期间取得的研究成果第80页

论文共80页,点击 下载论文
上一篇:基于深度学习的低画质人脸识别研究
下一篇:车联网系统中OFDM同步与信道估计技术研究