【技术实现步骤摘要】
本专利技术属于数字图像处理，它特别涉及利用图像的非局部自相似性与图的几何结构特性实现mri图像重构，用于医学图像的高质量恢复。
技术介绍
1、mri技术因其无辐射、无创伤、可获得高分辨率的软组织图像等优势，已被广泛用于医疗领域。然而较长的成像时间增加了患者的不适感，也会引入严重的运动伪影，从而影响最终的成像质量。近年来，压缩感知(cs)理论取得了发展，其打破了奈奎斯特采样定理的束缚，该理论表明基于信号在某些变换域是稀疏的条件下，可实现低采样环境下的信号重构，因此cs-mri技术已被用于加快mri成像速度。
2、利用图像的先验信息构造正则约束项是求解cs-mri重构病态逆问题的重要方式。而基于图像块的方法独立看待每一个图像块，却忽视了图像块之间的相关性，很大程度上限制了重构性能。图像中存在很多的重复图案和结构，为充分刻画这种非局部自相似性，常常以相似图像块的集合为处理单元，常见的做法是利用一范数约束在字典稀疏编码下的系数的稀疏特性，或是利用核范数约束图像系数的低秩特性，但这些方法对一个集合内的各图像块设置相同的参数，未能考虑不...
【技术保护点】
1.一种奇异值方根型范数与图结构约束的CS-MRI重构方法，包括以下步骤：
2.根据权利要求1所述的一种奇异值方根型范数与图结构约束的CS-MRI重构方法，其主要特征在于，可采用近端梯度下降法求解(5a)中关于结构组Xi的子问题：
3.根据权利要求1所述的一种奇异值方根型范数与图结构约束的CS-MRI重构方法，其主要特征在于，(5b)中关于重构图像x的子问题是一个最小二乘问题，可采用交替方向乘子法获得x的近似解：
【技术特征摘要】
1.一种奇异值方根型范数与图结构约束的cs-mri重构方法，包括以下步骤：
2.根据权利要求1所述的一种奇异值方根型范数与图结构约束的cs-mri重构方法，其主要特征在于，可采用近端梯度下降法求解(5a)中关...
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。