[發明專利]基于自適應雙字典學習的部分K空間序列圖像重構方法

有效

• 申請號: 201310163116.2
• 申請日: 2013-05-05
• 公開（公告）號: CN103218795A
• 公開（公告）日: 2013-07-24
• 發明（設計）人: 緱水平;劉芳;唐曉;焦李成;盛珂;吳建設;王爽;馬文萍;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，涉及醫學圖像處理的方法，可用于多個部位的MRI圖像重構。

背景技術

部分K空間圖像重構是為了加快磁共振圖像成像速度而提出的一種減少數據采集量來重構高分辨率圖像的問題。為了解決這一問題，有很多經典的方法被提出：

第一種是最常用的補零法，即未采集的K空間數據用零填補，然后做傅里葉反變換得到圖像空間的成像方法，這種成像方法可以提高成像速度，缺陷是圖像中有偽影。

第二種是相位校正法，這類方法假設磁共振圖像空間的相位呈緩慢變化狀態。它用部分低頻K空間數據重構的圖像來估計相位，并用于相位校正，從而達到利用對稱性來補充未采集的K空間數據的目的。Stark,H.提出的POCS方法就是這類方法中最常見的方法。但是由于磁共振圖像相位緩慢變化的條件在整個圖像空間中常常難以滿足，導致相位估計誤差大，引起較大的重構誤差，以至到目前為止無法在醫學臨床中應用。

第三種是信號估計法，這種方法運用信號估計理論，利用部分K空間數據的插值、外推及多目標優化等方法來獲取未采集的K空間數據。M.Funderer于1989年提出了圖像最大似然的方法，E.M.Haacke在同年提出的約束方法，都是是這類方法的典型方法，這類方法成像效果遠劣于相位校正方法。

第四種是奇異譜模型法，這類方法的思想是基于任何信號都可以用奇異函數的加權和表示的事實，建立新的圖像表達模型，由部分K空間數據提取模型參數，然后按模型和參數重構出完整的K空間。這種方法多數情況下優于相位校正法和信號估計法。

第五種是壓縮感知的方法，該方法利用小波，有限差分，字典學習等對重構圖像進行稀疏表示，這類方法的效果多數情況下都優于其他方法。

上述部分K空間重構方法通常都需要采樣率達到30%以上，才能獲得較好的重構效果。但是采樣率越高，所需采集時間越長，被成像者要長時間滯留在成像儀器內，由于被成像者的運動將會使圖像產生運動模糊。然而，進一步降低采樣率會造成重構圖像產生偽影和圖像分辨率低的問題。

發明內容

本發明的目的在于針對上述已有技術的不足，提出一種基于自適應雙字典學習的部分K空間序列圖像重構方法，以降低數據采樣率，提高重構圖像的質量。

為實現上述目的，本發明包括如下步驟：

（1）采集N幅部分K空間數據，用這N幅部分K空間數據合成n幅完整的K空間數據Q_i，i＝1,2,...,n;對Q_i進行10倍下采樣，得到對應的部分K空間數據P_i；對Q_i作傅里葉反變換，得到高分辨率圖像H_i，對P_i作傅里葉反變換，得到低分辨率圖像L_i，把這n對高分辨率圖像H_i和低分辨率圖像L_i作為訓練圖像；

（2）分別輸入高分辨率訓練圖像H_i和低分辨率訓練圖像L_i，并采用不重疊的方式對每幅訓練圖像取4×4的小塊，獲得初始高分辨率字典H和初始低分辨率字典L；

（3）利用KSVD算法對初始高分辨率字典H和初始低分辨率字典L進行訓練，得到新的高分辨率字典D_h和新的低分辨率字典D_l，以及高分辨率圖像H_i的稀疏系數α_hi和低分辨率圖像L_i的稀疏系數α_li；

（4）輸入待重構的部分K空間數據P_t，對該部分K空間數據P_t采用補零法處理，得到初始重構圖像L_t，

（5）利用低分辨率字典D_l和初始重構圖像L_t，求解初始重構圖像L_t的稀疏系數α_l；