Apr, 2023

RED-PSM: 动态成像中部分可分模型的去噪正则化

PDF
TL;DR通过结合部分可分离模型和 Denoising 正则化（RED），我们提出了一个优化方案，可以用于解决动态亚采样图像重建问题，并展示了与现有方法在性能和计算方面的改进。
dynamic imagingdynamic tomographypartially separable modelsregularization by denoisingoptimization scheme
发现论文，激发创造
  • 去噪正则化：澄清和新解释

    通过 Score-Matching by Denoising 框架提出了相对于 Regularization by Denoising 更加合理且可解释的算法，并且在加速和收敛性方面有所提升，并且发现 Regularization by Denoising 算法寻找共识平衡解，便于与 plug-and-play ADMM 进行比较。

    Jun, 2018

  • 通过固定点投影去噪正则化（RED-PRO）

    该研究论文介绍了一种用于求解图像逆问题的新方法，根据投影最小化噪声引入一个基于稳定化策略的新的前景偏好正则化算法，受限的极小极大问题以及 RED-PRO 算法进行研究并给出了数学公式模型，然后给出了数值模拟实验结果。

    Aug, 2020

  • 机不可失，时不再来：通过去噪正则化（Denoising Regularization，RED）

    提出了一种名为 Regularization by Denoising (RED) 的基于去噪算法的正则化框架，通过显式的图像自适应基于 Laplacian 的正则化函数，可以非常有效地处理一般性逆问题，同时可以灵活地选择迭代优化过程，测试结果表明在图像去模糊和超分辨率问题上取得了最先进的结果。

    Nov, 2016

  • 在线去噪正则化在相位恢复中的应用

    本文研究正则化去噪技术在大型数据集下的应用，提出了一种在线正则化去噪算法（On-RED），并证明了在凸优化情况下的理论收敛性及对非凸问题的有效性，结果表明 On-RED 是一个有效的解决大型数据集问题的技术。

    Sep, 2019

  • 使用无需地面真实数据学习的深度先验进行图像重建

    本文提出了一种基于去噪和去伪影的正则化算法 RARE，使用预训练的卷积神经网络作为先验，可以在采样数据较少的情况下重构出高质量的 3D MRI 影像。

    Dec, 2019

  • 通过去噪实现块坐标正则化

    本文针对使用仅通过去噪函数指定的先验从其噪声测量中估计向量的问题，提出了一种新的块协调等价正则化 - by-denoising（RED）算法，并理论分析了算法的收敛性及其与传统的近端优化的关系。

    May, 2019

  • DeepRED: 基于 RED 提供动力的深度图像先验

    该论文介绍了一种将深度学习技术与反问题相结合的方法 ——Deep Image Prior（DIP），并提出了一种新的正则化方法 Regularization by Denoising（RED），将 DIP 与 RED 相结合，建立了高效的无监督反问题恢复流程，并通过多个测试问题证明其有效性。

    Mar, 2019

  • 使用受限奇异值条件的即插即用先验恢复分析

    我们提出了一种基于深度神经网络的方法来建立 PnP/RED 的理论恢复保证，并展示了使用预先训练的去伪影网络进行压缩感知的 PnP 相比最新的生成式模型的压缩感知算法具有更好的恢复性能。

    Jun, 2021

  • 有限数据下的磁共振成像场迁移重建：神经风格迁移正则化

    通过神经风格迁移和去噪引擎，我们提出了一种正则化神经风格迁移（RNST）的方法，用于通过有限数据重建高质量 MRI 图像，并验证了其在 MRI 重建中的能力和在限定数据情况下的潜力。

    Aug, 2023

  • 超声图像重建的去噪扩散恢复模型

    本文提出了两种基于学习先验的超声反问题模型，并通过实验证明从单个波束可以实现与 DAS 和最先进方法相媲美或更好的图像质量。

    Jul, 2023