一种图像重建方法和装置制造方法及图纸

本发明专利技术实施例提供的图像重建方法和装置，针对现有技术的动态核磁共振图像的重建方法，多是将动态三维数据转换为二维图像矩阵处理，转换处理过程中会造成图像信息的缺失的技术问题，提供的图像重建方法和装置，通过对待重建图像进行空间采样获得三维动态图像的观测数据，在根据所获得的所述三维动态图像的观测数据构建三维张量。进而根据所述三维张量和所述三维动态图像的观测数据构建图像模型，根据所述图像模型构建所述待重建图像。达到了在峰值信噪比结构相似性和均方误差数值上有明显提升，且图像动态部分细节重建效果较好的技术效果。

Image reconstruction method and device

Image reconstruction method and device of the embodiment of the invention, the reconstruction method of dynamic magnetic resonance images of existing technology, more is to convert dynamic 3D data into two-dimensional image matrix, the problem of lack of technology conversion process will cause the image information extraction, image reconstruction method and device for the spatial sampling observation data of 3D dynamic image treatment through image reconstruction, in according to the observation data obtained by the three-dimensional dynamic image to construct 3D tensor. Further, the image model is constructed according to the observation data of the three-dimensional tensor and the three-dimensional dynamic image, and the image to be reconstructed is constructed according to the image model. The results show that the peak signal to noise ratio (SNR) has a significant improvement in the structural similarity and the mean square error, and the reconstruction results of the dynamic partial details are better.

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体而言，涉及一种图像重建方法和装置。
技术介绍
磁共振成像(Magnetic Resonance Imaging，MRI)技术，是利用核磁共振原理，通过外加梯度磁场检测所发射出的电磁波绘制成物体内部的结构图像，并用作临床诊断[1]。动态核磁共振成像(MRI)是一种动态过程技术，主要是对随时间变换的生理现象进行运动观测，获取到的是时间序列图像。近年来，核磁共振成像技术在国内外得到了广泛的应用，如何减少核磁共振的采样数量，改进重构算法，提高重建质量已成了一个研究热点。随后相关学者提出了动态MRI成像有采集数据速度慢等不足，扫描时间过长会造成患者的不适度；采集的数据对数据动态信息捕捉不到位，会导致图像空间分辨率降低。现有的动态图像重建方法多是将三维数据转换为二维图像矩阵处理，转换处理过程中会造成图像信息缺失，影响图像重建效果。
技术实现思路
本专利技术提供一种动态核磁共振图像的重建方法和装置，旨在改善上述问题。本专利技术提供的一种动态核磁共振图像的重建方法，所述方法包括：对待重建图像进行空间采样获得三维动态图像的观测数据；根据所获得所述三维动态图像的观测数据构建三维张量。根据所述三维动态图像的观测数据和所述三维张量获得图像模型，根据所述三维动态图像的观测数据和所述图像模型获得所述待重建图像。优选地，所述根据所述三维动态图像的观测数据和所述三维张量获得所述图像模型的步骤包括：根据所述三维动态图像的观测数据获得初始图像模型，其中，所述初始图像模型包括基本项、低秩性约束项和稀疏性约束项。基于张量奇异值和所述初始图像模型获得所述低秩性约束项对应的低秩性约束项估计值；基于所述初始图像模型和所述三维张量获得所述稀疏性约束项对应的稀疏性约束项估计值。根据所述初始图像模型、所述低秩性约束项估计值和所述稀疏性约束项估计值获得所述图像模型，其中，所述稀疏性约束项被修改为稀疏性约束项估计值，所述低秩性约束项被修改为低秩性约束项估计值。优选地，所述根据所述三维动态图像的观测数据和所述三维张量获得所述图像模型的步骤包括：根据所述三维动态图像的观测数据获得初始图像模型，其中，所述初始图像模型包括基本项、低秩性约束项和稀疏性约束项。基于张量奇异值和所述初始图像模型获得所述低秩性约束项对应的低秩性约束项估计值，基于所述初始图像模型和所述三维张量获得所述稀疏性约束项对应的稀疏性约束项估计值。根据所述初始图像模型、所述低秩性约束项估计值和所述稀疏性约束项估计值获得所述图像模型，其中，所述稀疏性约束项被修改为稀疏性约束项估计值，所述低秩性约束项被修改为低秩性约束项估计值。优选地，所述根据所述三维动态图像的观测数据和所述三维张量获得初始图像模型具体包括：建立所述三维动态图像的观测数据和所述三维张量的第一函数模型y＝A(χ)，其中，y表示所述三维动态图像的观测数据，所述X表示所述三维张量。获取所述第一函数模型的最优目标张量的第二 χ * = arg m i n χ | | A ( χ ) - y | | 2 ]]>函数模型其中，所述X＊表示所述最优目标张量，表示所述第二函数的约束条件。根据所述第二函数的约束条件，并利用拉格朗日乘子放松惩罚项获取所述图像模型的所述低秩性约束项和所述稀疏项ψ(χ)。根据所述第二函数模型、所述稀疏性约束项和所述低秩性约束项构建所述初始图像模型其中λ1,和λ2均为正则化参数。优选地，所述基于张量奇异值求解所述低秩性约束项对应的低秩性约束项估计值包括：对所述三维张量进行奇异值分解利用所述三维张量的奇异值之和获取所述张量核范数，优选地，所述求解所述稀疏性约束项对应的稀疏性约束项估计值包括：利用所述三维张量的三维差分算子来构造所述三维张量的全变分模型以l1范数作为稀疏惩罚项约束所述稀疏性约束项其中，q＝3，Φ0＝Dh,Φ1＝Dv,Φ2＝DtΨ0＝I,Ψ1＝I,Ψ2＝I,Dh,Dv,Dt分别为沿着第一维度与第二维度，第三维度方向的差分运算矩阵。优选地，所述根据所述三维动态图像的观测数据和所述图像模型构建所述待重建图像包括：获取在所述图像模型中引入第一辅助变量和第二辅助变量后的第三函数st.χ＝R；Si＝ΦiHχΨi；i＝1,…,q，其中，R表示所述第一辅助变量，S表示所述第二辅助变量。利用惩罚函数放松所述第三函数获取第四函数 D β 1 , β 2 ( χ , R , S ) = | | A ( χ ) - y | | 2 + λ 1 | | R | | t - S V D + λ 2 | | 本文档来自技高网...

【技术保护点】
一种图像重建方法，其特征在于，所述方法包括：对待重建图像进行空间采样获得三维动态图像的观测数据；根据所获得的所述三维动态图像的观测数据构建三维张量；根据所述三维动态图像的观测数据和所述三维张量获得图像模型；根据所述三维动态图像的观测数据和所述图像模型获得所述待重建图像。

【技术特征摘要】
1.一种图像重建方法，其特征在于，所述方法包括：对待重建图像进行空间采样获得三维动态图像的观测数据；根据所获得的所述三维动态图像的观测数据构建三维张量；根据所述三维动态图像的观测数据和所述三维张量获得图像模型；根据所述三维动态图像的观测数据和所述图像模型获得所述待重建图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述三维动态图像的观测数据和所述三维张量获得所述图像模型的步骤包括：根据所述三维动态图像的观测数据获得初始图像模型，其中，所述初始图像模型包括基本项、低秩性约束项和稀疏性约束项；基于张量奇异值和所述初始图像模型获得所述低秩性约束项对应的低秩性约束项估计值；基于所述初始图像模型和所述三维张量获得所述稀疏性约束项对应的稀疏性约束项估计值；根据所述初始图像模型、所述低秩性约束项估计值和所述稀疏性约束项估计值获得所述图像模型，其中，所述稀疏性约束项被修改为稀疏性约束项估计值，所述低秩性约束项被修改为低秩性约束项估计值。3.根据权利要求2所述的方法，其特征在于，所述根据所述三维动态图像的观测数据和所述三维张量获得初始图像模型的步骤包括：建立所述三维动态图像的观测数据和所述三维张量之间函数关系的第一函数模型；获取所述第一函数模型的最优目标张量的第二函数模型；根据所述第二函数模型的约束条件获取所述图像模型的所述低秩性约束项和所述稀疏性约...

【专利技术属性】
技术研发人员：杨晓梅，徐文，刘凯，向雨晴，张佳楠，罗月婉，郭朝云，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51