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

动态磁共振图像重建低秩算法应用研究

摘要第4-5页
Abstract第5-6页
专用术语注释表第9-10页
第一章 绪论第10-17页
    1.1 研究背景和意义第10-11页
    1.2 研究现状第11-15页
        1.2.1 磁共振成像技术研究现状第11-12页
        1.2.2 动态磁共振成像现状第12-13页
        1.2.3 基于压缩感知的快速磁共振成像第13-14页
        1.2.4 基于正则化方法的动态磁共振成像第14-15页
    1.3 研究内容第15-17页
第二章 相关背景知识介绍第17-27页
    2.1 秩极小化第17-18页
    2.2 低秩矩阵恢复第18-19页
    2.3 增广拉格朗日乘子法第19-20页
    2.4 RPCA的ALM算法第20-22页
        2.4.1 精确ALM算法第20-21页
        2.4.2 非精确ALM算法第21-22页
    2.5 全变分模型第22-23页
    2.6 动态磁共振图像重建第23-24页
    2.7 图像重建评价标准第24-26页
    2.8 本章小结第26-27页
第三章 动态磁共振图像重建低秩稀疏算法研究第27-35页
    3.1 引言第27-28页
    3.2 理论背景第28-29页
        3.2.1 基于压缩感知的磁共振图像重建第28页
        3.2.2 MR图像重建的低秩稀疏分解模型第28-29页
    3.3 图像重建第29-30页
    3.4 实验结果和仿真第30-34页
        3.4.1 参数设定第31页
        3.4.2 结果与分析第31-34页
    3.5 本章小结第34-35页
第四章 全变分和核范数正则化的加速动态磁共振重建算法第35-45页
    4.1 引言第35页
    4.2 理论背景第35-36页
    4.3 核范数与TV正则化第36-39页
    4.4 实验结果与分析第39-44页
        4.4.1 参数设定第39页
        4.4.2 结果与分析第39-44页
    4.5 本章小结第44-45页
第五章 磁共振核范数矩阵CUR分解改进算法第45-54页
    5.1 引言第45页
    5.2 随机投影第45-47页
        5.2.1 矩阵缩略第46-47页
    5.3 列选择第47-48页
        5.3.1 均匀采样第47页
        5.3.2 杠杆比例采样第47-48页
        5.3.3 局部标记采样第48页
    5.4 矩阵CUR分解第48-51页
        5.4.1 原始CUR分解第48-49页
        5.4.2 快速CUR分解第49-50页
        5.4.3 CUR分解与SVD分解第50-51页
    5.5 实验仿真与分析第51-53页
        5.5.1 参数设定第51页
        5.5.2 结果与分析第51-53页
    5.6 本章小结第53-54页
第六章 总结与展望第54-56页
    6.1 总结第54页
    6.2 展望第54-56页
参考文献第56-59页
附录1 攻读硕士学位期间撰写的论文第59-60页
附录2 攻读硕士学位期间申请的专利第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于表示学习的人脸图像超分辨率方法研究
下一篇:基于视频特征的实时异常行为检测研究