基于稀疏低秩与字典学习的心脏MRI图像去模糊方法技术

本发明专利技术公开了一种基于稀疏低秩与字典学习的心脏MRI图像去模糊方法，主要解决由心脏跳动造成心脏核磁共振成像MRI图像质量下降的问题。其实现过程是：输入一幅心脏核磁共振成像MRI图像；对该图像进行稀疏低秩矩阵分解，得到图像的稀疏部分和低秩部分；在图像的稀疏部分选择一个子窗口；用自适应字典学习的方法在该子窗口上估计运动模糊核；利用已估计出的运动模糊核对心脏核磁共振成像MRI图像进行去卷积运算，得到清晰的心脏核磁共振成像MRI图像。本发明专利技术具有准确估计运动模糊核的优点，避免了因运动模糊核估计不准确而导致图像去模糊结果失真。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及对医学图像的处理，特别是一种对心脏核磁共振成像MRI图像的去模糊处理。
技术介绍
随着医学成像技术的飞速发展，大量高分辨率图像纷纷涌现，比如磁共振造影MR1、计算机断层扫描CT、脑磁图MEG、三维超声成像，解正电子发射断层照相PET、单光子发射计算机断层SPECT、漫射加权成像DW1、功能磁共振FMRI等，这些成像技术各有特点，它们分别能在不同的时空分辨率下给人们提供各种解剖信息和功能信息。但仅仅依靠这些设备所提供的信息远远达不到人们的要求，必须进一步通过图像处理手段来对图像进行分析和解译。医学图像处理技术包括图像去模糊、图像增强，图像分割和图像重建等，其中，在医学图像获取过程中引起的模糊大大降低了图像的质量，严重影响了图像的视觉效果，为了获取高清晰度的医学图像，有必要对医学图像进行去模糊处理。图像去模糊技术用于提高模糊图像的质量，其目的是从获取到的模糊图像中重构出隐藏的清晰图像。图像去模糊可分两大类，一类是在图像去模糊之前，退化函数已知，则称该类图像去模糊为非盲去模糊；另一类是在图像去模糊之前，退化函数未知，需要从模糊图像中获取后验知识，则称该类图像去模糊为盲去模糊。现实问题中，图像退化函数一般是未知的，因此图像盲去模糊技术一直是图像处理
研究的一个热点。核磁共振技术采用分层成像方法，从短轴和长轴两个正交方向获取心脏在一个心动周期的序列图像。通过对图像序列的分析，能够`重建左心室的表面并研究其形状的变化。由于心脏的跳动和血液的流动，其MRI图像中出现了弱边界、伪影、局部梯度极大值区域等现象，严重影响了心脏核磁共振成像MRI图像的质量。由于图像的空间采样和图像模糊核的不确定性都会导致振铃效应的产生，并且模糊核尺度越大相应的振铃效应越严重，传统的心脏核磁共振成像MRI图像去模糊方法，常常因为图像噪声的影响，模糊核估计的不准确以及模糊核零值缺陷等因素的影响，使得去卷积的结果难以让人满意，在恢复的图像中往往存在严重的振铃效应，大大降低了图像去模糊的效果。
技术实现思路
本专利技术的目的在于针对心脏核磁共振成像MRI图像模糊核的不确定性，提出一种基于稀疏低秩与字典学习的心脏MRI图像去模糊方法，以提高心脏MRI图像的质量。为实现上述目的，本专利技术包括如下步骤:(I)输入心脏核磁共振成像MRI序列图像中的第i帧图像Ii, i彡I且i为整数；(2)用交替迭代法对心脏核磁共振成像MRI图像Ii进行稀疏低秩矩阵分解，分别得到稀疏图像A和低秩图像B;(3)在稀疏图像A上手动选择一个用来估计运动模糊核的子窗口 k'；(4)在子窗口 k'上用自适应字典学习的方法估计运动模糊核K ；(5)利用步骤⑷估计到的运动模糊核K，对心脏核磁共振成像MRI图像1用Richardson-Lucy算法进行去卷积运算,得到清晰的心脏核磁共振成像MRI图像Li。本专利技术与现有技术相比具有以下优点:1、本专利技术充分利用了目标的运动变化能够在图像的稀疏部分得到很好的体现，用图像的稀疏部分估计得到的运动模糊核会更加准确；2、本专利技术在估计运动模糊核之前首先将图像分解，可以避免模糊核估计过程中对图像非模糊部分的影响，避免了去模糊后图像失真；3、本专利技术利用心脏核磁共振成像MRI图像自身的特性，用自适应字典学习的方法估计运动模糊核，进一步提高了模糊核估计的准确性；4、本专利技术估计的运动模糊核具有很好的适应性，通过心脏核磁共振成像MRI序列中任意一帧图像估计出的模糊核能较好地推广到其它帧图像中。附图说明图1是本专利技术的总流程图；图2是本专利技术所使用的心脏核磁共振成像MRI序列中的第I帧图像；图3是本专利技术对图2进行稀疏低秩矩阵分解后得到的稀疏图像；图4是本专利技术对图3用自适应字典学习方法估计的运动模糊核；图5是本专利技术对图2进行去模糊后的结果图像；图6是本专利技术所使用的心脏核磁共振成像MRI序列中的第20帧图像；图7是将图4应用于图6后对图6进行去模糊的结果图。具体实施例方式用本专利技术方法对一帧心脏核磁共振成像MRI图像进行分解，该图像来源于同一人的心脏核磁共振成像MRI序列图像中的一帧。参照图1，用本专利技术方法对一帧心脏核磁共振成像MRI图像进行低秩分解去模糊的具体步骤如下:步骤1:输入心脏核磁共振成像MRI序列图像中的第i帧图像Ii,该心脏核磁共振成像MRI序列包括20帧图像，大小均为192 X 160，这里我们取该心脏核磁共振成像MRI序列中的第I帧图像，如图2所示；步骤2:用交替迭代法对心脏核磁共振成像MRI图像Ii进行稀疏低秩矩阵分解，得到稀疏图像A和低秩图像B ；2a)设定C为心脏核磁共振成像MRI图像Ii,通过公式:本文档来自技高网...

【技术保护点】
一种基于稀疏低秩与字典学习的心脏MRI图像去模糊方法，包括如下步骤：(1)输入心脏核磁共振成像MRI序列图像中的第i帧图像Ii，i≥1且i为整数；(2)用交替迭代法对心脏核磁共振成像MRI图像Ii进行稀疏低秩矩阵分解，分别得到稀疏图像A和低秩图像B；(3)在稀疏图像A上手动选择一个用来估计运动模糊核的子窗口A′；(4)在子窗口A′上用字典学习的方法估计运动模糊核K；(5)利用估计到的运动模糊核K，对心脏核磁共振成像MRI图像Ii用Richardson?Lucy算法进行去卷积运算，得到清晰的心脏核磁共振成像MRI图像Li。

【技术特征摘要】
1.一种基于稀疏低秩与字典学习的心脏MRI图像去模糊方法，包括如下步骤: (1)输入心脏核磁共振成像MRI序列图像中的第i帧图像Ii,i彡I且i为整数； (2)用交替迭代法对心脏核磁共振成像MRI图像Ii进行稀疏低秩矩阵分解，分别得到稀疏图像A和低秩图像B ； (3)在稀疏图像A上手动选择一个用来估计运动模糊核的子窗口A'； (4)在子窗口A'上用字典学习的方法估计运动模糊核K; (5)利用估计到的运动模糊核K,对心脏核磁共振成像MRI图像Ii用Richardson-Lucy算法进行去卷积运算，得到清晰的心脏核磁共振成像MRI图像Li。2.根据权利要求1所述的方法，其中步骤(2)所述的用交替迭代法对心脏核磁共振成像MRI图像Ii进行稀疏低秩矩阵分解，按如下步骤进行: 2a)设定C为心脏核磁共振成像MRI图像Ii，通过公式:3.根据权利要求1所述的方法，其中步骤(4)所述的在子窗口 上用自适应字典学习的方法估计出运动模糊核K，按如...

【专利技术属性】
技术研发人员：缑水平，刘芳，王越越，唐晓，焦李成，王爽，杨淑媛，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：