...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Mathematical Modelling >MRI denoising via sparse tensors with reweighted regularization
【24h】

MRI denoising via sparse tensors with reweighted regularization

机译：通过稀疏张量进行MRI降噪并重新加权正则化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In recent years, image denoising based on sparse tensors has been one promising technique for denoising magnetic resonance images or video processing. This paper aims at developing a new sparse tensor model based on reweighted regularization of factor matrices for magnetic resonance images denoising. An improved Split-Bregman scheme is proposed which is simple in implementation and efficient in computation. Additionally, the convergence of proposed scheme is proved. Experiments show that the proposed algorithm is efficient, and the denoising results are better than the state-of-the-art image denoising methods. The average computational time of our method is slightly longer than the others under the same iteration, except LPGPCA and model in Ruru and Zhixun (2018) [22]. (C) 2019 Elsevier Inc. All rights reserved.
机译：近年来，基于稀疏张量的图像去噪已经成为一种用于对磁共振图像或视频处理进行去噪的技术。本文旨在开发一种基于因子矩阵重新加权正则化的稀疏张量模型，用于磁共振图像降噪。提出了一种改进的Split-Bregman方案，该方案实现简单且计算效率高。另外，证明了所提方案的收敛性。实验表明，该算法是有效的，其去噪效果优于最新的图像去噪方法。除了LPGPCA和Ruru和Zhixun（2018）[22]中的模型外，我们的方法的平均计算时间比同一迭代中的其他方法稍长。 （C）2019 Elsevier Inc.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号