دانلود ترجمه مقاله تبدیل های پراکنده ساز مرکب برای MRI حسگر متراکم

1- چکیده 2- مفاهیم 3- مراجع

در روش های MRI حسگر متراکم قدیمی، تبدیل واحد پراکنده ساز، کیفیت بازسازی را محدود می کند، چون قادر به نمایش پراکنده تمام انواع ویژگی های تصویر نیست. بر اساس اصل پیگیری پایه، روشی ارایه می شود که تبدیل های پراکنده ساز را ترکیب کرده و پراکندگی تصاویر را بهبود می بخشد. نتایج شبیه سازی نشان می دهند که روش مطرح شده به خوبی تمام انواع ویژگی های تصویر را پوشش داده و به سادگی با انحراف کلی همراه است.

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.

تبدیل های پراکنده ساز برای حس کردن متراکم

حس کردن متراکم(CS) نو ظهور و جدید اساسی محکم و استوار را برای بازسازی سیگنال از سنجش های ناقص و با این فرض ارایه می کند که سیگنال را بتوان به صورت پراکنده با تبدیلی خاص نشان داد. پراکندگی تصاویر، موجب محدودیت کیفی تصویر بازسازی شده برای MRI حسگر متراکم(CS-MRI) می شود. شکل موجی دو بعدی برای پراکنده سازی تصاویر تشدید مغناطیسی (MR) به کار گرفته شد. شکل موج موردنظر در نمایش پراکنده ویژگی های نقطه مانند ، خوب عمل می کند ولی در نمایش پراکنده ویژگی های منحنی وار ناموفق است. می توان از تبدیل های هندسی جدید مانند شکل های منحنی وار و خط (نما) وار برای نمایش پراکنده منحنی ها استفاده کرد. ولی هیچ یک برای نمایش پراکنده ویژگی های تصویر نقطه مانند مناسب نیستند. تا به حال نحوه استفاده از چنین تبدیل هندسی برای بهبود پراکندگی تصاویر MRI و بازسازی CS بحث نشده است. این مقاله روشی جدید مبتنی بر استفاده از تبدیل های پراکنده ساز برای CS-MRI و بهبود کیفی تصاویر بازسازی شده مطرح می کند.