基于洛伦兹范数的医学图像超分辨率重建研究

发布时间：2021-01-30 10:01

　　在超分辨率图像重建（SR）模型中,为了达到良好的重建效果,选择一个合适的代价函数是研究的重点。采用SR重建模型中的差错项选择了洛伦兹范数,正则化项选择了吉洪诺夫正则化,重建过程采用了迭代方法。提出的算法可以有效地解决医学图像SR重建过程中的去异值点和图像边缘保持的两大关键问题,达到良好的重建效果。为了验证上述算法的有效性,就一系列添加了运动模糊和不同噪声的低分辨率MRI医学图像进行了SR重建,并且与基于L₂范数的重建算法的重建效果进行了比较分析。实验结果显示,所提算法具有良好的实用性和有效性。 

【文章来源】：计算机仿真. 2020,37(04)北大核心

【文章页数】：4 页

【部分图文】：

基于洛伦兹范数重建图像

洛伦兹范数

实验中的低分辨率图像序列是由原始的高分辨率MRI医学图像[16](见图2)经过全局运动,3×3高斯模糊,采样因子为2的水平和垂直方向上的下采样,以及加入两种不同类型的常见医学噪声(高斯、椒盐噪声)来得到的,见图3。对不同噪声情况下的图像,基于两种重建方法的SR重建结果分别如图4和图5所示。实验结果表明,对于医学图像,本文中的超分辨率图像重建方法在主观评价和客观指标方面的重建效果都优于基于L2范数的重建方法。采用本文算法的重建后图像具有很好的视觉和边缘保持效果。重建结果充分显示了本文算法在各种噪声情况下都能保持良好的重建的鲁棒性和适应性,尤其是在椒盐噪声的情况下,噪声影响几乎完全被消除。


本文编号：3008704