壓縮感知在MRI醫(yī)學(xué)圖像處理中的應(yīng)用與研究.pdf

1、醫(yī)學(xué)圖像MRI中的噪聲會導(dǎo)致圖像質(zhì)量下降從而影響臨床診斷。同時,醫(yī)學(xué)圖像的融合將更加有利于醫(yī)生對病情的綜合分析。傳統(tǒng)的醫(yī)學(xué)圖像去噪和融合方法目前難以滿足實際的需要。近年來,由Candès、Tao等人所提出的壓縮感知理論成功解決了圖像采集、傳輸慢和存儲空間巨大的問題,并在醫(yī)學(xué)圖像處理領(lǐng)域得到初步應(yīng)用。本文的主要工作如下:
　　首先,針對現(xiàn)有K-SVD(K-means Singular Value Decomposition)算法在字

2、典訓(xùn)練中消耗大量時間的問題,研究提出改進(jìn)的K-SVD算法,并應(yīng)用于MRI圖像去噪。算法在稀疏編碼階段加入稀疏系數(shù)重構(gòu)的思想,在字典更新階段根據(jù)已知字典原子的可稀疏性,通過一種高效、靈活的稀疏字典結(jié)構(gòu),對稀疏字典進(jìn)行訓(xùn)練更新。改進(jìn)的算法能夠處理高維數(shù)據(jù),并能夠訓(xùn)練更新更大的字典。實驗結(jié)果表明,該算法相對基于離散余弦變換(discrete cosine transform,DCT)字典的MRI圖像去噪以及基于傳統(tǒng)K-SVD算法的MRI圖像去

3、噪,不僅能夠更加有效地濾除圖像中的高斯白噪聲,而且有效降低MRI圖像的去噪時間;在相同的噪聲標(biāo)準(zhǔn)差下,改進(jìn)K-SVD算法的峰值信噪比可以提高約1～3db。
　　其次,根據(jù)實際成像設(shè)備上獲取的MRI圖像是在一個時間段內(nèi)獲得的一系列MRI序列切片圖像,研究將一組MRI序列圖像聯(lián)合處理,即根據(jù)相鄰切片之間的相關(guān)性提出基于時間正則化組稀疏表示的MRI圖像去噪算法。算法通過MRI切片圖像塊原子之間的幾何結(jié)構(gòu)相似性進(jìn)行時間正則化建模,然后對整

4、個圖像序列進(jìn)行組稀疏表示。同時,采用交替優(yōu)化的策略結(jié)合改進(jìn)的K-SVD算法訓(xùn)練字典。實驗結(jié)果表明,在相同的噪聲標(biāo)準(zhǔn)差下,本文算法相對于K-SVD算法、改進(jìn)的K-SVD算法、NLM算法、BM3D算法其峰值信噪比最高,能夠更好的保留原圖像的細(xì)節(jié)信息。
　　最后,在壓縮感知理論框架下,研究將稀疏表示的理論應(yīng)用于圖像融合。通過改進(jìn)的K-SVD算法直接提取多幅待融合圖像的稀疏系數(shù)進(jìn)行絕對值最大的圖像融合處理。由MRI圖像和CT圖像的融合實驗