[发明专利]基于合成分析反卷积网络的快速成像方法及系统

摘要

一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：在融入DN和MRF先验信息的合成分析反卷积网络上用图像库进行滤波器学习；在滤波器训练过程中利用轮换技术、半二次分离技术和迭代重加权最小二乘法更新滤波器和稀疏系数；在已训练的滤波器基础上，从欠采样K空间中获取初始图像，建立图像重建模型；在重建模型上利用轮换技术、半二次元分离技术和迭代重加权最小二乘法进行稀疏系数和目标图像更新；满足收敛条件得到重建图像。本发明在一定程度上提高了图像重建的精度，同时还提供了一种运用上述合成分析反卷积网络的快速成像方法的基于合成分析反卷积网络的快速成像系统，能够得到较高精度的重建图像。

主权项

1.一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：步骤(a)：在融入了反卷积网络和马尔科夫随机场先验信息的合成分析反卷积网络框架上用图像库进行滤波器训练，建立滤波器训练模型；步骤(b)：在训练滤波器过程中利用轮换技术更新滤波器和稀疏系数，并利用迭代重加权最小二乘方法和共轭梯度下降法更新滤波器；利用增加辅助变量方法和共轭梯度下降法更新稀疏系数；步骤(c)：在合成分析反卷积网络框架上融入已训练好的滤波器，从欠采样K空间中获取初始图像，建立图像重建模型；步骤(d)：在图像重建过程利用轮换技术、增加辅助变量方法和迭代重加权最小二乘方法，进行稀疏系数更新、目标图像更新；步骤(e)：满足收敛条件，得到重建图像；所述步骤(b)为：根据固定滤波器，更新稀疏系数，分离出的与稀疏系数z有相关的子问题，通过增加辅助变量方法和共轭梯度下降法更新稀疏系数；根据固定稀疏系数，更新滤波器，分离出的与滤波器有相关的子问题，通过迭代重加权最小二乘方法和共轭梯度下降法更新滤波器d；所述步骤(d)为：根据固定目标图像，更新稀疏系数，分离出的与稀疏系数z有相关的子问题，通过增加辅助变量方法和共轭梯度下降法更新稀疏系数z；根据固定稀疏系数，更新目标图像，分离出的与目标图像x有相关的子问题，通过迭代重加权最小二乘方法和共轭梯度下降法更新目标图像x。