| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 CS-MRI研究的目的及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-12页 |
| 1.3 本文主要研究内容及结构安排 | 第12-15页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 全文结构安排 | 第13-15页 |
| 第二章 CS-MRI图像重建理论 | 第15-25页 |
| 2.1 压缩感知理论 | 第15-16页 |
| 2.2 CS-MRI图像重建原理 | 第16-24页 |
| 2.2.1 稀疏表示 | 第17-19页 |
| 2.2.2 采样模式 | 第19-22页 |
| 2.2.3 重建算法 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 低秩矩阵恢复理论 | 第25-35页 |
| 3.1 低秩矩阵恢复理论 | 第25页 |
| 3.2 低秩矩阵恢复算法 | 第25-32页 |
| 3.2.1 迭代阈值算法 | 第26-27页 |
| 3.2.2 加速近端梯度法 | 第27-29页 |
| 3.2.3 增广拉格朗日法 | 第29-32页 |
| 3.3 低秩矩阵恢复的应用 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 基于低秩稀疏分解模型的动态CS-MR图像重建 | 第35-51页 |
| 4.1 动态CS-MRI图像重建低秩稀疏分解模型 | 第35-36页 |
| 4.2 基于L+S分解模型的CS-MRI重建算法 | 第36-44页 |
| 4.2.1 IST算法 | 第36-38页 |
| 4.2.2 APG算法 | 第38-40页 |
| 4.2.3 IALM算法 | 第40-44页 |
| 4.3 实验结果及分析 | 第44-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 改进的L+S分解模型及重建算法 | 第51-59页 |
| 5.1 全变分去噪 | 第51-53页 |
| 5.2 联合TV正则化MRI图像重建 | 第53-54页 |
| 5.2.1 引入TV正则项的L+S重建模型及重建算法 | 第53-54页 |
| 5.3 实验结果及分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65-67页 |
| 致谢 | 第67页 |