一种应用于医学X光图像的单幅图像超分辨率重建方法技术

本发明专利技术公开了一种应用于医学X光图像的单幅图像超分辨率重建方法，包括字典训练过程，利用同模态医学图像在细节和结构上的相似性，采集相似的高质量的X光图像作为样本，建立高-低分辨率图像块的数据库；以及超分辨率重建过程，对输入的低分辨率图像进行分块重建，从而生成图像块，并进一步重建出整幅高分辨率图像。本发明专利技术提出的基于稀疏表示的超分辨率重建算法能够对医学X光图像进行空间尺度上的放大的同时，较其他算法的PSNR及SSIM值有所提升，同时增强了对噪声鲁棒性，降低了计算复杂度，缩减了计算消耗时间；并实现了重建图像在观感和通用的方法衡量指标上的提高。

【技术实现步骤摘要】

本专利技术涉及图像重建
，更具体的是一种应用于医学X光图像的基于稀疏表示的的单幅图像超分辨率重建方法。
技术介绍
图像处理作为信息处理技术中被广泛应用的重要技术之一，近年来发展迅速。作为衡量图像处理技术的重要指标，图像高质量的分辨率在诸多行业都有着日益增长的需求。比如在医学影像领域，医学图像已成为临床医生诊断病情的重要依据。高分辨率的清晰X射线摄影，有利于对某些疾病的诊断。随着医学要求的提高，人们对X光图像的分辨率和清晰度也提出了更高的要求。同时，远程医疗领域中，医学图像及视频的存储和传输中也亟需高分辨率影像的存储和显示。然而，受限于采集技术水平和硬件成本，我们通常获得的图像不能满足较高的分辨率要求，尤其是本文涉及的医学影像领域，图像分辨率的偏低会导致医生对疾病的错误判断。另外，在医学影像的获取过程中，放射性物质的剂量和设备操作时间有严格的规格限制，成像过程更易受到外界干扰，致使生成的医学图像混入噪声，降低图像质量。因此，为了满足实际的应用需要，我们改进一种可用于提本文档来自技高网...

【技术保护点】
一种应用于医学X光图像的单幅图像超分辨率重建方法，其特征在于，该方法包括以下步骤：步骤(1)、字典训练过程：首先，将高分辨率图像用个重叠的图像块构成的集合表示如下：IH-input=BlkiH,i=1,2,...,N.---(1)]]>其中，是一个大小为的图像块，N为从图像IH‑input中生成的图像块的个数；然后用高通滤波器作为特征提取算子，提取每个图像块的高频成分，得到特征矩阵If；将特征矩阵If进行聚类后得到K个类I1,I2,…,Ik，而后将每个类的中心记为M1,M2,…,Mk，使得每个特征矩阵到其最近的中心的均方距离最小；将每个对应的协方差矩阵记为Ωk，将PCA主成分分析方法应用到每一...

【技术特征摘要】
1.一种应用于医学X光图像的单幅图像超分辨率重建方法，其特征在于，该方法包括以
下步骤：
步骤(1)、字典训练过程：首先，将高分辨率图像用个重叠的图像块构成的集合表示如
下：
IH-input=BlkiH,i=1,2,...,N.---(1)]]>其中，是一个大小为的图像块，N为从图像IH-input中生成的图像块的个
数；
然后用高通滤波器作为特征提取算子，提取每个图像块的高频成分，得到特征矩
阵If；
将特征矩阵If进行聚类后得到K个类I1,I2,…,Ik，而后将每个类的中心记为M1,M2,…,
Mk，使得每个特征矩阵到其最近的中心的均方距离最小；
将每个对应的协方差矩阵记为Ωk，将PCA主成分分析方法应用到每一个Ωk，得到正交
变换矩阵Pk，提取其中相对重要的r个特征向量构成字典矩阵Dk，Dk＝[p1,p2,…,pr]，确定r
的最优解r0：
r0=argminr(||Ik-Dkαk||22+λ||αk||1).---(2)]]>由解得的最优解r0进而得到K个子字典即得...

【专利技术属性】
技术研发人员：周圆，吴琼，陈莹，李成浩，侯春萍，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12