[发明专利]一种基于分类图像块稀疏表示的CS-MRI图像重构方法

摘要

本发明公开了一种基于分类图像块稀疏表示的CS‑MRI图像重构方法。属于数字图像处理技术领域。它是一种以聚类后的图像块集合为训练对象获得正交学习字典后，对图像块进行稀疏表示，并对系数作非凸约束的图像重构方法。首先对预重构图像进行图像块聚类，然后对每一类图像块集合分别训练正交字典，并采用lp范数对图像块在对应字典下的稀疏系数进行非凸约束，并重构出MRI图像。本发明针对图像块提出正交字典学习与非凸系数约束的统一模型，并采用交替方向迭代法求解该模型，使字典、系数、图像获得持续更新，重构出的图像保留了大量细节信息，获得了较高的重构性能，因此可用于医学图像的恢复。

主权项

1.一种基于分类图像块稀疏表示的CS‑MRI图像重构方法，包括以下步骤：(1)输入一幅MRI图像的K空间数据和采样模板，对输入数据y采用传统的FCSA方法对MRI图像进行预重构，得到初始重构图像(2)在预重构图像中提取图像块，采用改进的K‑means方法进行聚类，得到K个类的质心及m个图像块的聚类指示矩阵(3)以每一类的图像块集合为训练对象，学习相应的正交字典，并采用lp范数对图像块在对应字典下的稀疏系数进行非凸约束；(4)建立基于分类图像块稀疏表示的图像重构模型：其中F_u为欠采样傅里叶编码矩阵，表示第k类图像块集合，表示相应于第k类图像块集合训练出的正交字典，表示在正交字典D_k下的稀疏系数矩阵；是的l_p范数的p次方，λ和β为正则化参数，利用交替方向迭代法对重构模型进行求解；(4a)固定x和则重构模型中关于D_k的子问题为该子问题可通过奇异值分解进行求解；(4b)固定x和D_k，则重构模型中关于的子问题为该子问题可以通过广义软阈值法求解；(4c)固定D_k和则重构模型中关于x的子问题为该子问题可通过最小二乘法求解。(4d)重复步骤(4a)～(4c)，直到得到的估计图像满足条件或迭代次数达到预设上限；