一种基于SVM的MRI序列图像超分辨重建算法.pdf

《一种基于SVM的MRI序列图像超分辨重建算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第31卷第3期佳木斯大学学报(自然科学版)Vo1．31No．32013年o5月JournalofJiamusiUniversity(NaturalScienceEdition)May2013文章编号：1008—1402(2013)03—0390—03一种基于SVM的MRI序列图像超分辨重建算法①马慧彬，丛岭，王斌(1．佳木斯大学信息电子技术学院；2．佳木斯大学校医院，黑龙江佳木斯154007)摘要：基于SVM的MRI序列图像超分辨重构算法，在退化模型的构建方面更接近实际成像系统，通过选取相邻三个层

2、面的低分辨图像，以及图像分块等方法合理构建学习样本集．实验结果表明：这种方法在提高图像分辨率的同时，较好地抑制了因多次迭代引起的噪声累积，得到质量较高的超分辨图像．关键词：SVM；MRI；超分辨；退化模型中图分类号：TP391．4文献标识码：A法，这种方法成功地解决了小样本、高维和局部极0引言值等问题，能有效地改善传统分类方法的“过学磁共振成像(magneticresonanceimaging，简称习”等缺陷．超分辨重构是一个将多幅低分辨率图MRI)系统受其固有成像方式的限制，不能获取高像融合生成

3、一幅高分辨图像的过程，在实际的MRI分辨影像，解决这一问题的有效办法是采用超分辨超分辨重构问题中，作为输出样本的高分辨图像是率(superresolution，简称SR)重构技术．sR是一种未知的，因此，将SVM应用于MRI序列图像的超分由一幅(或序列)低分辨退化图像重建一幅(或序辨算法中，需要解决两个问题，一是如何构建图像的列)高分辨清晰图像的复原技术¨J．目前空域方法学习样本集，二是选取何种特征参数进行训练．是序列图像超分辨重构的主要方法，如文献[2]等问题一的解决方法是对现有MRI序列图像模

4、提出的非均匀内插法，文献[3]等改进的凸集投影仿MR成像过程进行降质处理，并以此做为输入样算法，文献[4]等使用的贝叶斯法等，但这些算法本，以原图像序列做为输出样本．这是因为现有的或存在解不唯一、或存在收敛速度慢等缺点．针对序列低分辨图像可以认为是由高分辨图像经成像红外、遥感图像及视频图像，文献[5]等提出了超过程降质而形成，数学模型如公式1所示．分辨重构的有效算法，但对于医用图像来说，其数=巩X+／'t1≤k≤P(1)学模型并不适用．而文献[6]等针对医用图像提出其中，P是低分辨图像的幅数，是第

5、k幅低分辨了实用算法，但算法是建立在假设的图像退化模型图像，指高分辨图像，n是噪声，是指成像的降上，并没有将机器学习的方法应用在超分辨重构质过程，是包含模糊、运动、欠采样等因素在内的一中，缺乏一定的自适应性．本文提出了结合支持向个系数矩阵．量机(suppo~vectormachine，简称SVM)理论的针对问题二，主要是考虑到序列图像的特点，MRI序列图像超分辨重构新算法，在提高图像分辨取连续三个层面，每个层面在4个低分辨图像中任率的同时，较好地抑制了因多次迭代引起的噪声累取一幅．另外，由于SVM

6、在学习过程中，如果数据积，得到质量较高的超分辨图像．量过大容易造成内存溢出，因此将每幅图像分为16：l=16的图像块，取一组三个层面图像的对应图1算法基本原理像块为输入特征向量．同时，将高分辨图像按32SVM’是Vapnik等人提出的一种机器学习方32进行分块，取位置对应的图像块为输出向量．①收稿日期：2013一o4一o5基金项目：黑龙江省教育厅科学技术研究项目(11551490)．作者简介：马慧彬(1972一)，女，黑龙江佳木斯人，佳木斯大学信息电子技术学院，副教授，主要研究方向为数字图像处理3

7、92佳木斯大学学报(自然科学版)2013年6)对X1、X2、X3、Y做归一化处理；表1超分辨重构算法客观指标对比表7)将l步循环，共做100幅MRI序列图图像序号12345像的X1、X2、X3、Y，生成训练样本集合；双线性插值法PNSR27．8126．3528．2927．4525．638)选取SVM核函数为高斯核函数，进行SVM本文方法PNSR33．2431．5833．7732．9030．86学习训练，生成支持向量，存储支持向量．双线性插值法H8．4438．3167．9988．6238．0272．

8、3超分辨重构本文方法H9．0129．1768．7539．4859．220从表1中可看出，基于SVM的算法PNSR较超分辨重构的过程比较简单，只需要将现有图大，说明重构图像与目标图像之间的差异较小，并像按支持向量进行计算，从而生成高分辨图像即且信噪比更好；熵值也较大，说明信息含量更高；客可．具体算法如下：观指标说明，基于SVM的算法重构效果更好．1)读人相邻三个层面的MRI图像，计为，1、、；4结论2)将三幅图像分别进行分块，块大小仍为为了能够得到质量较好的高分辨率MRI图1616的