基于结构化稀疏贝叶斯学习的压缩感知超声图像恢复
信号处理
2018-11-06 v1 图像与视频处理
摘要
本文中，我们考虑恢复压缩感知超声图像的问题。我们基于已有工作，考量若干我们认为处于最先进水平的现有方法。我们所考量方法利用了关于信号的若干假设，包括时间与空间相关性、块结构、支撑集先验知识以及非高斯性。我们开展了一系列密集测试以量化这些方法性能。我们发现，通过调整所考量结构化稀疏贝叶斯学习方法的参数，可显著提升重建图像客观质量。我们所获结果相较先前提出的重建技术有显著改进。此外，我们进一步表明通过精心选择参数，可在仅需最佳重建质量所需计算时间一小部分的同时获得近最优结果。
引用
@article{arxiv.1811.01257,
title = {Recovery of compressively sensed ultrasound images with structured Sparse Bayesian Learning},
author = {Richard Porter and Vladislav Tadic and Alin Achim},
journal= {arXiv preprint arXiv:1811.01257},
year = {2018}
}
备注
12 pages