基于自適應(yīng)對偶字典的MRI超分辨率重建.pdf

1、MRI作為一種重要的醫(yī)學(xué)成像手段，已在臨床醫(yī)學(xué)中得到了廣泛應(yīng)用，但是其圖像的分辨率一直受到設(shè)備和周圍環(huán)境的制約，超分辨率重建是有效改善磁共振圖像分辨率的一種有效方法。為了提高磁共振成像中的圖像質(zhì)量，本文提出了一種基于自適應(yīng)對偶字典的超分辨率去噪重建方法，在超分辨率重建過程中引入去噪功能，使得改善圖像分辨率的同時能夠有效地濾除圖像中的噪聲，實(shí)現(xiàn)了超分辨率重建和去噪技術(shù)的有機(jī)結(jié)合。該方法利用聚類—PCA算法提取圖像的主要特征來構(gòu)造主特征字典

2、，采用訓(xùn)練方法設(shè)計出表達(dá)圖像細(xì)節(jié)信息的自學(xué)習(xí)字典，兩者結(jié)合構(gòu)成的自適應(yīng)對偶字典具有良好的稀疏度和自適應(yīng)性。實(shí)驗(yàn)表明，與其它超分辨率算法相比，該方法超分辨率重建效果顯著，峰值信噪比和平均結(jié)構(gòu)相似度均有顯著提高。本論文的主要研究內(nèi)容如下:
　　一、簡單介紹了磁共振成像的原理和成像過程中存在的問題，針對這個問題闡述了引入超分辨率去噪的必要性，進(jìn)而介紹了稀疏表達(dá)理論和基于此理論的超分辨率重建算法，總結(jié)了圖像超分辨率已有的方法及其優(yōu)缺點(diǎn)。<

3、br>　　二、對超分辨率重建過程中字典的構(gòu)造做了詳細(xì)闡述，介紹了單字典訓(xùn)練的數(shù)學(xué)模型，進(jìn)而結(jié)合稀疏表達(dá)理論提出了自適應(yīng)的對偶字典的概念，并對字典訓(xùn)練過程中用到的聚類—PCA算法和K-SVD算法做了闡述。聚類—PCA算法構(gòu)造的原子反映的是圖像中顯著的主要特征，而K-SVD構(gòu)造的原子反映的多是細(xì)節(jié)的特征，這樣將兩部分字典相結(jié)合得到對偶字典，可有效提高字典的稀疏度和自適應(yīng)性。
　　三、提出了一種基于自適應(yīng)性對偶字典的超分辨率重建算法，利