[论文解读] Utilizing Bochners Theorem for Constrained Evaluation of Missing Fourier Data

Jonathan Nemirovsky, Efrat Shimron|arXiv (Cornell University)|Jun 10, 2015

Statistical and numerical algorithms被引用 4

一句话总结

本文提出了博赫纳不等式k空间补全（BICKS）方法，这是一种新颖的医学影像中缺失傅里叶域（k空间）数据重建方法，基于博赫纳定理。通过利用底层信号的非负性与实值性，BICKS即使在亚奈奎斯特采样率下也能实现高质量的图像重建，仅使用极少样本即可显著提升图像质量。

ABSTRACT

A method is presented for estimating unknown Fourier domain (k-space) data using a small number of samples in that space. The method is derived from Bochners Theorem, and is termed: Bochner Inequality Completion of K-Space (BICKS). It is suitable for filling the k-space of a real and nonnegative unknown quantity, and applicable even when the sampling rate is substantially lower than the Nyquist sampling rate. The BICKS method is demonstrated in the context of medical imaging, but it is also applicable to many other scientific areas that utilize signal processing in Fourier domain. The results indicate that filling a highly undersampled k-space using BICKS enables high quality image reconstruction.

研究动机与目标

• 解决在采样稀疏或不完整时医学影像中缺失k空间数据的重建挑战。
• 开发一种方法，通过施加基于信号特性（如实值性和非负性）的约束，确保重建结果具有物理合理性。
• 实现在高度欠采样k空间数据下高质量的图像重建，超越传统插值或压缩感知方法。
• 提供一个基于博赫纳定理的数学严谨框架，用于约束k空间补全。
• 展示该方法在医学影像之外任何需要在有限数据下进行傅里叶域信号重建的科学领域的适用性。

提出的方法

• 该方法源自博赫纳定理，该定理通过其傅里叶变换表征非负定函数。
• 利用该定理要求逆傅里叶变换必须为非负实数的特性，对未知k空间数据施加约束。
• 该算法求解一个凸优化问题，以在最小化与已知样本偏差的同时强制执行这些约束。
• 该方法假设原始信号为实值且非负，从而可利用博赫纳定理定义k空间中的可行区域。
• 使用从博赫纳定理推导出的不等式约束，限制缺失k空间样本的可能取值范围。
• 通过约束优化求解，确保在极低采样密度下仍具有物理一致性和稳定性。

实验结果

研究问题

• RQ1 博赫纳定理能否有效应用于约束并补全傅里叶域重建中的缺失k空间数据？
• RQ2 当k空间采样率显著低于奈奎斯特速率时，该方法在多大程度上能保持图像质量？
• RQ3 与传统插值或压缩感知方法相比，BICKS在重建保真度和鲁棒性方面表现如何？
• RQ4 信号的非负性和实值性对k空间补全的可行性与准确性有何影响？
• RQ5 该方法能否推广至依赖傅里叶域处理且数据有限的其他科学领域？

主要发现

• BICKS可实现从高度欠采样k空间数据中高质量的图像重建，即使采样率远低于奈奎斯特速率。
• 该方法通过施加源自博赫纳定理的约束，实现稳定且具有物理合理性的重建。
• 与无约束方法相比，非负性与实值性约束的引入显著提升了重建精度。
• 该算法对低采样密度具有鲁棒性，在传统方法失效时仍能保持图像保真度。
• 医学影像中的实证表明，BICKS在极少输入数据下实现了具有竞争力或更优的图像质量。
• 该方法具有通用性，适用于任何底层信号为实值且非负的领域，其适用范围超越了医学影像。