• Investigative Magnetic Resonance Imaging
• /
• 제25권4호
• /
• pp.300-312
• /
• 2021

Compressed sensing (CS) has been investigated in magnetic resonance (MR) parametric mapping to reduce scan time. However, the relatively long reconstruction time restricts its widespread applications in the clinic. Recently, deep learning-based methods have shown great potential in accelerating reconstruction time and improving imaging quality in fast MR imaging, although their adaptation to parametric mapping is still in an early stage. In this paper, we proposed a novel deep learning-based framework DEMO for fast and robust MR parametric mapping. Different from current deep learning-based methods, DEMO trains the network in an unsupervised way, which is more practical given that it is difficult to acquire large fully sampled training data of parametric-weighted images. Specifically, a CS-based loss function is used in DEMO to avoid the necessity of using fully sampled k-space data as the label, thus making it an unsupervised learning approach. DEMO reconstructs parametric weighted images and generates a parametric map simultaneously by unrolling an interaction approach in conventional fast MR parametric mapping, which enables multi-tasking learning. Experimental results showed promising performance of the proposed DEMO framework in quantitative MR T1ρ mapping.

• Smart Structures and Systems
• /
• 제25권2호
• /
• pp.123-133
• /
• 2020

Compressive sensing (CS) is a newly developed data acquisition and processing technique that takes advantage of the sparse structure in signals. Normally signals in their primitive space or format are reconstructed from their compressed measurements for further treatments, such as modal analysis for vibration data. This approach causes problems such as leakage, loss of fidelity, etc., and the computation of reconstruction itself is costly as well. Therefore, it is appealing to directly work on the compressed data without prior reconstruction of the original data. In this paper, a direct approach for modal analysis of damped systems is proposed by decomposing the compressed measurements with an appropriate dictionary. The damped free vibration function is adopted to form atoms in the dictionary for the following sparse decomposition. Compared with the normally used Fourier bases, the damped free vibration function spans a space with both the frequency and damping as the control variables. In order to efficiently search the enormous two-dimension dictionary with frequency and damping as variables, a two-step strategy is implemented combined with the Orthogonal Matching Pursuit (OMP) to determine the optimal atom in the dictionary, which greatly reduces the computation of the sparse decomposition. The performance of the proposed method is demonstrated by a numerical and an experimental example, and advantages of the method are revealed by comparison with another such kind method using POD technique.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.461-484
• /
• 2021

Compressed sensing in image reconstruction has attracted attention and many studies are proposed. As we know, adding prior knowledge about the distribution of the support on the original signal to CS can improve the quality of reconstruction. However, it is still difficult for a recovery framework adjusts its strategy for exploiting the prior knowledge efficiently according to the current estimated signals in serial iterations. With the theory of information geometry, we propose an adaptive strategy based on the current estimated signal in each iteration of the recovery. We also improve the performance of existing algorithms through the adaptive strategy for exploiting the prior knowledge according to the current estimated signal. Simulations are presented to validate the results. In the end, we also show the application of the model in the image.

• 한국통신학회논문지
• /
• 제39A권12호
• /
• pp.764-770
• /
• 2014

불규칙 매체를 투과하는 광학적 이미징 시스템은 피부나 생물학적 조직등의 내부를 비침습적 이미징 기법을 사용해 관찰할 수 있게 해줄 것으로 큰 기대를 받고 있다. 불규칙 매체를 통한 이미징은 대개 불규칙 매체의 투과 특성을 전달 행렬로 모델링 및 측정하고, 측정된 전달 행렬을 사용하여 이미지를 복구하는 방식을 사용한다. 이러한 전달 행렬 기반의 이미징 방법은 많은 양의 데이터를 측정 하고 후 신호 처리를 해야 한다는 어려움을 가지고 있다. 최근에는, 이 데이터 획득 문제를 압축센싱이라는 방법을 사용해 해결할 수 있다는 결과들이 있었다. 압축센싱은 상대적으로 새로운 신호 획득 및 복구 체계로써 아주 적은 양의 신호 측정만으로도 신호를 정확하게 복구해 낼 수 있다. 본 논문에서는 불규칙 매체를 통과하는 이미징에서의 전달 행렬 기반의 이미지 복구 방법이 검토되며, 또한 압축센싱을 사용한 최신 연구 동향을 소개하고자 한다.

• 한국산학기술학회논문지
• /
• 제16권3호
• /
• pp.2141-2145
• /
• 2015

본 논문에서는, 압축센싱 기법을 이용하여, 방송 네트워크 시스템의 멀티미디어 신호 전송 대역폭 효율성을 극대화할 수 있는 기법을 제안하였다. 멀티미디어 이미지의 sparisity를 높이기 위해서 2차원 이산 웨이블렛 변환 기법을 적용하는 샘플링 기법과, orthogonal matching pursuit기반 L1 최소화기법을 이용하여 복원하는 기법을 본 논문에서 제안하였다. 다양한 멀티미디어 신호가 압축센싱 기술에 의해 압축되어지기 때문에, 다양한 멀티미디어 데이터가 전송 시 점유하는 대역폭을 감소시킬 수 있다. 10Gs/s로 샘플링 되어진, 20% 압축률을 갖는 $256{\times}256$ 흑백스케일 이미지가 20km 광전송되어진 후에, Sparse한 방송신호를 복원하는, L1 최소화 기법을 이용하여 복원되었다(비트 에러오류율: $10^{-12}$).

• 전자공학회논문지
• /
• 제53권6호
• /
• pp.167-173
• /
• 2016

압축 센싱은 기존의 섀넌/나이키스트 이론보다 낮은 샘플링률로 신호를 샘플링 하여도 원신호로 복원할 수 있다는 이론이다. 본 논문에서는 압축 센싱을 이용하여 반향 신호의 정량적 주파수 특성을 직접 추출하여 이를 이용한 초음파 감쇠 지수 예측 방법을 제안한다. 일반적인 초음파 감쇠 지수 예측 방법들은 시간 영역에서 수집된 반향 신호를 Fourier 변환 등을 통해 주파수 영역으로 변환하는데, 제안하는 예측 방법은 압축 센싱으로 수집된 데이터를 복원하는 과정에서 적용하는 basis 행렬을 이용하여 시간 영역으로의 완전한 신호 복원 없이 반향 신호의 주파수 특성을 직접 추출하여 감쇠 지수를 예측한다. 3가지의 basis 행렬을 통해 주파수 영역에서 복원된 반향 신호에 대하여 다중 참조 신호를 이용한 Centroid Downshift 방법으로 감쇠 지수를 예측하여 각각의 예측 정확도와 실행 시간을 비교 분석하였다. 컴퓨터 모의 실험 결과 이산 코사인 변환(DCT) 행렬을 적용하는 경우, 50%의 압축률에서는 압축 센싱을 적용하지 않은 경우와 0.35% 이내의 예측 정확도를 보였으며, 압축률을 70%까지 높이는 경우에도 약 6% 이내의 평균 예측 오차를 보였다. 제안한 압축 센싱을 적용한 반향 신호의 주파수 특성 추출 방법은 향후 주파수 영역의 다른 정량적 초음파 분석 방법에 적용할 수 있다.

• 한국의학물리학회지:의학물리
• /
• 제27권1호
• /
• pp.1-7
• /
• 2016

본 연구에서는 디지털 단층합성 엑스선 영상의 화질특성을 개선하기 위해 TV-압축센싱 기반 영상복원 기법을 제안한다. 제안된 영상복원 기법의 유효성을 검증하기 위해 우선 관련 영상복원 알고리즘을 구현하였으며, 이를 이용하여 관련 시뮬레이션 및 실험을 함께 수행하였다. 실험을 위해 일반 x-선관($90kV_p$, 6 mAs), CMOS형 평판형 검출기($198{\mu}m$ 픽셀크기)로 구성된 실험장치를 구성하였으며, 제한된 각도 $60^{\circ}$도에서 $2^{\circ}$ 간격으로 총 51장의 투상영상을 획득하고 제안된 알고리즘으로 영상복원을 수행한 후 필터링 역투사법(FBP)을 사용하여 디지털 단층합성 영상을 구현하였다. 본 연구에서 수행된 결과에 의하면, 제안된 영상복원 기법은 일반 엑스선 영상 및 디지털 단층합성 영상의 흐린 영상화질을 선명하게 개선하고 또한 디지털 단층합성 영상의 깊이 분해능을 향상시키는 이점이 있음을 확인함으로써 기존 디지털 단층합성 영상의 화질을 크게 개선할 수 있을 것으로 전망된다.

• 디지털산업정보학회논문지
• /
• 제17권4호
• /
• pp.43-52
• /
• 2021

IoT applications are quickly spread in many fields. Blockchain methods(BC), defined as a distributed sharing mechanism, offer excellent support for IoT evolution. The BC provides a secure way for communication between IoT devices. However, the IoT environments are threatened by hacker attacks and malicious intrusions. The IoT applications security are faced with three challenges: intrusions and attacks detection, secure communication, and compressed storage information. This paper proposed a system based on double-blockchain to improve the communication transactions' safety and enhance the information compression method for the stored data. Information security is enhanced by using an Ellipse Curve Cryptography(ECC) considered in a double-blockchain case. The data compression is ensured by the Compressed Sensing(CS) method. The conducted experimentation reveals that the proposed method is more accurate in security and storage performance than previous related works.

• International Journal of Computer Science & Network Security
• /
• 제21권6호
• /
• pp.119-126
• /
• 2021

The Internet of Things (IoT) applications are quickly spread in many fields. Blockchain methods (BC), defined as a distributed sharing mechanism, offer excellent support for IoT evolution. The BC provides a secure way for communication between IoT devices. However, the IoT environments are threatened by hacker attacks and malicious intrusions. The IoT applications security are faced with three challenges: intrusions and attacks detection, secure communication, and compressed storage information. This paper proposed a system based on double-blockchain to improve the communication transactions' safety and enhance the information compression method for the stored data. Information security is enhanced by using an Ellipse Curve Cryptography (ECC) considered in a double-blockchain case. The data compression is ensured by the Compressed Sensing (CS) method. The conducted experimentation reveals that the proposed method is more accurate in security and storage performance than previous related works.

• Journal of Communications and Networks
• /
• 제12권4호
• /
• pp.317-329
• /
• 2010

In recent years, many sparse estimation methods, also known as compressed sensing, have been developed. However, most of these methods presume that the measurement matrix is completely known. We develop a new blind maximum likelihood method-the expectation-sparse-maximization (ESpaM) algorithm-for models where the measurement matrix is the product of one unknown and one known matrix. This method is a variant of the expectation-maximization algorithm to deal with the resulting problem that the maximization step is no longer unique. The ESpaM algorithm is justified theoretically. We present as well numerical results for two concrete examples of blind channel identification in digital communications, a doubly-selective channel model and linear time invariant sparse channel model.