بازسازی تصاویر MR با استفاده از سنجش فشرده مبتنی بر GSR و منظم سازی نرم (LL(p

تصویربرداری تشدید مغناطیسی (MRI)، یک روش تصویربرداری غیرتهاجمی است که خاصیت تشدید مغناطیسی هسته اتم های هیدروژن داخل بدن را به کار می برد و می تواند محدوده وسیعی از بافت ها را با وضوح بالا به نمایش بگذارد. اما آنچه که کاربرد MRI را محدود می کند، سرعت نسبتا کند جمع آوری داده ها در آن است. استفاده از سنجش فشرده (CS) در MRI، که تحت عنوان CS-MRI شناخته می شود، زمان لازم برای تصویربرداری را با کاهش تعداد نمونه های مورد نیاز کاهش می دهد. چالش اصلی در CS-MRI ارائه یک مدل تنکی مناسب می باشد که بتواند درجه بالایی از تنکی را فراهم کند و منجربه بازسازی دقیق از تصاویر گردد. در این مقاله، یک روش بازسازی CS-MRI جدید مبتنی بر نمایش تنک گروه (GSR) با منظم سازی نرم (LL(p پیشنهاد می شود. در این روش نرم (LL(p غیر محدب با (p≤۱؛>۰) به عنوان مدل تنکی جدید برای ارتقاء تنکی ضرایب حاصل از اعمال یک دیکشنری مبتنی بر PCA بر روی ماتریس بلوک های مشابه به کار برده می شود. برای حل مسئله بازسازی مبتنی بر GSR با نرم (MRI-GSR- LL(p))LL(p)، از الگوریتم SBI و روش کمینه سازی مقدار بیشینه (MM) استفاده می گردد. نتایج شبیه سازی ها نشان می دهد که روش پیشنهادی، عملکرد بهتری هماز لحاظ PSNR و هم RLNE نسبت به روش های مشابه دارد و تصاویر را از نرخ های پایین تری بازسازی می کند. به این ترتیب، زمان لازم برای تصویربرداری کاهش می یابد.