[发明专利]基于熵和几何方向的分类多字典学习磁共振图像重建方法

摘要

本发明涉及磁共振成像技术领域，具体涉及一种基于熵和几何方向的分类多字典学习磁共振图像重建方法。本发明的目的是为解决现有DLMRI算法对核磁共振图像重建时，细节部分存在不足的问题。本发明利用降采样模型获取部分K空间数据；对获取的部分K空间数据建立磁共振图像重建模型；对部分K空间数据做傅里叶逆变换得到初始图像；将初始图像分成重叠图像块；求出每一图像块的熵，将图像块样本按照熵从小到大分成四类，将后两类图像块根据几何方向进一步分类后，再对图像块样本进行字典训练，并求出对应该字典的稀疏系数，得到重建图像矩阵；再对重建图像矩阵做傅里叶变换，更新图像矩阵，对更新后的图像矩阵做傅里叶逆变换，得到重建磁共振图像。

主权项

基于熵和几何方向的分类多字典学习磁共振图像重建方法，其特征在于，具体步骤包括：步骤a、采用辐射型降采样模型对K空间数据进行降采样，获得部分K空间数据，并将所述部分K空间数据进行傅里叶逆变换，得到初始图像；步骤b、根据滑动距离s，提取图像块样本，并将图像块样本转换成列向量，组成字典训练矩阵；步骤c、计算步骤b中获取的每个图像块样本的熵，并按照熵从小到大的顺序将图像块样本分成四类，并获取每一图像块样本在初始图像的位置索引；步骤d、对于第一类图像块样本，随机抽取若干图像块样本，进行K‑SVD字典训练，得到第一冗余字典，采用正交匹配追踪算法对所述第一冗余字典进行运算，得到第一稀疏系数矩阵；对于第二类图像块样本，随机抽取若干图像块样本，进行K‑SVD字典训练，得到第二冗余字典，采用正交匹配追踪算法对所述第二冗余字典进行运算，得到第二稀疏系数矩阵；对于第三类图像块样本和第四类图像块样本，首先计算每一图像块样本的最优几何方向，再根据最优几何方向对第三类图像块样本和第四类图像样本进一步细分类，然后对细分后的每一类图像块样本，随机抽取若干图像块样本，分别进行K‑SVD字典训练，得到与细分后的每一类图像块样本对应的冗余字典，并用正交匹配追踪算法分别对细分后的每一类图像块样本得到的冗余字典进行运算，得到细分后的每一类图像块样本对应的稀疏系数矩阵；步骤e、根据步骤d所得每个冗余字典Dc和稀疏系数矩阵{αij}，重建图像块样本，并根据分类前图像块样本的位置索引把重建的图像块样本放回原来位置，具体为：令每个点的灰度值都是所有包含它的图像块样本的灰度值的平均值，得到重建图像矩阵X，再对X作傅里叶变换，得到K空间数据S，通过最小二乘算法更新K空间数据S；步骤f、对更新后的K空间数据S做傅里叶逆变换，得到重建MR图像；步骤g、判断是否达到设定的迭代次数，如果：是，则输出重建MR图像，否，则返回到步骤b。