【技术实现步骤摘要】
一种基于自适应快速迭代收缩阈值算法的图像处理方法
本专利技术属于图像处理领域，尤其涉及一种基于自适应快速迭代收缩阈值算法的图像处理方法。
技术介绍
磁共振(MR)成像是一种安全、快速和准确的图像获取技术。它具有多个方向、参数和模式的优点，对人体亦无害。它能显示人体组织的解剖和功能信息。MR成像具有广泛的应用。然而，MR成像的扫描时间长，扫描速度慢，由于器官运动可能导致图像模糊，无法提供动态的实时图像和导航。所以，MR成像的缺点限制了功能成像的推广并给使用者带来额外的痛苦。为此，该领域技术人员做了深入研究，并提出了压缩感知理论：在非常低于奈奎斯特采样率时，通过随机采样获得离散信号。在一些已知变换域中，根据信号的稀疏性通过非线性重构算法重建原始信号。目前，构建一种基于压缩感知的稳定高效的重建算法是非常重要的。重构算法主要包括贪心算法和凸松弛算法。对于低维小规模信号，贪婪跟踪算法快速且质量好，如匹配追踪，正交匹配追踪和正则化正交匹配追踪。但是，对于这种高维度的大规模信号，很难满足重构精度的要求。凸松弛算法在重建中花费的时间更少。经典的凸函数优化算法主要包括共轭梯度，br...
【技术保护点】
1.一种基于自适应快速迭代收缩阈值算法的图像处理方法，其特征在于：包括如下步骤：步骤一：采集K空间欠采样的MR图像数据，重构模型如下：
【技术特征摘要】
1.一种基于自适应快速迭代收缩阈值算法的图像处理方法，其特征在于：包括如下步骤：步骤一：采集K空间欠采样的MR图像数据，重构模型如下：Fu＝kF(2)其中，m∈CN是重构图像，y∈CM是MR的K空间欠采样信号，Fu是观察矩阵，k是采样模式，F代表二维傅里叶变换；步骤二：引入原始图像在稀疏域的投影系数θ，对m进行稀疏表示m＝Ψθ，Ψ＝[ψ1,ψ2,...,ψN]∈RN×N，将上述模型的L0范数最小化问题转化为范数L1最小化问题；m＝Ψθ(4)步骤三：结合成像过程中的噪音，将范数L1最小化问题转化为求解投影系数θ的问题：其中，A＝FuΨT，这里ε为允许误差；步骤四：结合稀疏性和K空间数据一致性，转化为拉...
【专利技术属性】
技术研发人员：王伟，吴小玲，姚庆强，朱松盛，周宇轩，刘宾，
申请(专利权)人：南京医科大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。