公开(公告)号：CN115034980B

公开(公告)日：2025-04-15

申请号：CN202210593970.1

申请日：2022-05-27

Applicant: 燕山大学

Inventor： 郝连旺

IPC: G06T5/70 ,  G06T5/10 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0464

Abstract: 本发明公开了一种压缩感知图像重建方法、装置、电子设备及存储介质，该方法包括：获取待重建图像的卡通纹理分解模型，卡通纹理分解模型包括卡通部分和纹理部分；所述卡通部分采用各向同性全变差图像恢复定义法建模；所述纹理部分采用基于非凸优化的卷积字典学习模型建模；引入辅助参数将所述卡通部分的正则化项采用各向同性全变差范数先验知识展开，得到优化模型；分别更新所述优化模型中纹理部分的稀疏系数和纹理字典，分别更新所述优化模型中卡通部分的光滑参数和辅助参数；根据所述更新后的卡通部分和纹理部分，确定重建图像。本发明可有效针对待重建图像的不同成分进行精确重建，最终获得较高质量的重建图像。

公开(公告)号：CN119169128A

公开(公告)日：2024-12-20

申请号：CN202411254764.3

申请日：2024-09-09

Applicant: 燕山大学

Inventor： 郝连旺 ,  蔡大军 ,  张健

IPC: G06T11/00 ,  G06N3/04

Abstract: 本发明公开了一种基于算法展开的心脏磁共振图像重构方法，属于图像处理领域，该方法包括以下步骤：S1：获取原始的心脏磁共振图像；S2：建立基于局部卷积字典学习的心脏磁共振图像重构模型；S3：采用Nesterov加速近端梯度方法对基于局部卷积字典学习的心脏磁共振图像重构模型进行求解；S4：根据步骤S2和S3构建心脏磁共振图像重构神经网络模型；S5：对心脏磁共振图像重构神经网络模型进行训练；S6：根据新的心脏磁共振图像得到相应待重构图像。本发明能够有效捕获心脏磁共振图像的结构信息和细节特征，获得高质量的重构图像。

公开(公告)号：CN115034980A

公开(公告)日：2022-09-09

申请号：CN202210593970.1

申请日：2022-05-27

Applicant: 燕山大学

Inventor： 郝连旺

IPC: G06T5/00 ,  G06T5/10 ,  G06T5/50 ,  G06N3/04

Abstract: 本发明公开了一种压缩感知图像重建方法、装置、电子设备及存储介质，该方法包括：获取待重建图像的卡通纹理分解模型，卡通纹理分解模型包括卡通部分和纹理部分；所述卡通部分采用各向同性全变差图像恢复定义法建模；所述纹理部分采用基于非凸优化的卷积字典学习模型建模；引入辅助参数将所述卡通部分的正则化项采用各向同性全变差范数先验知识展开，得到优化模型；分别更新所述优化模型中纹理部分的稀疏系数和纹理字典，分别更新所述优化模型中卡通部分的光滑参数和辅助参数；根据所述更新后的卡通部分和纹理部分，确定重建图像。本发明可有效针对待重建图像的不同成分进行精确重建，最终获得较高质量的重建图像。