[發明專利]一種基于分類圖像塊稀疏表示的CS-MRI圖像重構方法

有效

• 申請號: 201811546463.2
• 申請日: 2018-12-18
• 公開（公告）號: CN109522971B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 劉書君;宋健;曹建鑫;周喜川;張奎
• 申請（專利權）人: 重慶大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06T11/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于分類圖像塊稀疏表示的CS-MRI圖像重構方法，包括以下步驟：

(1)輸入一幅MRI圖像的K空間數據和采樣模板，對輸入數據y采用傳統的FCSA方法對MRI圖像進行預重構，得到初始重構圖像

(2)在初始重構圖像中提取圖像塊，采用改進的K-means方法進行聚類，得到K個類的質心及m個圖像塊的聚類指示矩陣

(3)以每一類的圖像塊集合為訓練對象，學習相應的正交字典，并采用l_p范數對圖像塊在對應字典下的稀疏系數進行非凸約束；

(4)建立基于分類圖像塊稀疏表示的圖像重構模型：

其中y表示輸入數據，F_u表示欠采樣傅里葉編碼矩陣，表示第k類圖像塊集合，表示相應于第k類圖像塊集合訓練出的正交字典，表示在正交字典D_k下的稀疏系數矩陣；是的l_p范數的p次方，λ和β為正則化參數，利用交替方向迭代法對重構模型進行求解；

(4a)固定x和則重構模型中關于D_k的子問題為

該子問題采用奇異值分解進行求解；

(4b)固定x和D_k，則重構模型中關于的子問題為

該子問題采用廣義軟閾值法求解；

(4c)固定D_k和則重構模型中關于x的子問題為

該子問題采用最小二乘法求解；

(4d)重復步驟(4a)～(4c)，直到得到的估計圖像滿足條件或迭代次數達到預設上限。

2.根據權利要求1所述的一種基于分類圖像塊稀疏表示的CS-MRI圖像重構方法，其主要特征在于，步驟(2)中采用改進的K-means方法對圖像塊進行聚類得到K個類的質心C以及指示矩陣Z，即通過求解以下優化問題：

其中X為從初始重構圖像中提取出的圖像塊集合X＝[x₁,x₂,…,x_m]，并經過中心化處理，表示為其中然后采用零相位成分分析方法進行白化處理，表示為X＝P(∑+εΙ)^-1/2P^HX，P和∑為對X的自相關矩陣做特征值分解得到的酉矩陣和對角陣，表示為||c_k||₂＝1是對每類質心的2范數進行歸一化約束，||z_i||₀≤1則是約束Z列向量中非零元素個數不超過1；對于優化變量Z和C，采用以下迭代式求解：

C＝XZ^H,