一种基于贝叶斯估计的图像重建方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110458907A(43)申请公布日2019.11.15(21)申请号201910694181.5(22)申请日2019.07.30(71)申请人上海集成电路研发中心有限公司地址201210上海市浦东新区张江高斯路497号(72)发明人周涛李琛(74)专利代理机构上海天辰知识产权代理事务所(特殊普通合伙)31275代理人吴世华马盼(51)Int.Cl.G06T11/00(2006.01)权利要求书1页说明书5页附图1页(54)发明名称一种基于贝叶斯估计的图像重建方法(57)摘要本发明公开了一种基于贝叶斯估计的图像重建方法，该方法适用于具有稀疏特性的图像数据采样及重建。本发明通过结合贝叶斯估计对新增采样位置进行预判，然后利用压缩感知技术中的稀疏信号重建方法完成图像稀疏系数重建，一方面提高数据采样质量，另一方面提高图像的重建质量。本发明方法采用感知矩阵实现预采样，并根据图像稀疏系数的先验概率分布，基于贝叶斯估计确定未采样数据的后验概率分布，同时结合信息熵函数的分析方法，以获取下一次采样位置，该方法一方面可以有效避免稀疏采样中的随机‘等概率’采样的盲目性，另一方面进一步降低随机采样的数量，对稀疏采样重建技术具有实际意义。CN110458907ACN110458907A权利要求书1/1页1.一种基于贝叶斯估计的图像重建方法，用于重建目标图像，且所述目标图像具有稀疏特性；其特征在于，包括如下步骤：S01：设定总采样像素点和预采样像素点分别为n个和a个，并对a个预采样像素点进行采样得到预采样数据A；其中，n和a均为大于0的整数，且a<n；S02：对预采样数据A进行稀疏重建，得到图像稀疏系数α；S03：根据先验信息确定图像稀疏系数α的先验概率分布，结合步骤S02中得出的图像稀疏系数α，基于贝叶斯估计得到未采样数据B的后验概率分布P(B|A)；S04：确定未采样数据B的后验概率分布P(B|A)的信息熵函数H(B|A)；最小化信息熵函数H(B|A)，得到下一次采样的新增采样像素点k在图像中的位置(mk,nk)；S05：对新增采样像素点k进行采样，采样数据为P(mk,nk)；S06：将采样数据P(mk,nk)并入预采样数据A；重复步骤S02-S06，直至完成n次采样；S07：对最终得到的预采样数据A进行稀疏重建，得到图像稀疏系数α’，通过图像稀疏系数α’反变换得到目标图像。2.根据权利要求1所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述步骤S01中a个预采样像素点为随机生成的预采样像素点，且a个预采样像素点满足稀疏重建的随机采样要求。3.根据权利要求2所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述步骤S01中采用感知矩阵对预采样像素点进行采样。4.根据权利要求1所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述步骤S04最小化信息熵函数H(B|A)，得到使信息熵函数最小的像素值，并根据该像素值得出下一次采样的新增采样像素点k在图像中的位置(mk,nk)。5.根据权利要求1所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述步骤S02中图像稀疏系数α和步骤S07中图像稀疏系数α’均包括N个，N为目标图像分辨率乘积的结果数值。6.根据权利要求1所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述先验信息为图像像素值的概率分布。7.根据权利要求1所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述图像稀疏系数的先验概率分布满足独立同分布条件。8.根据权利要求1所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述步骤S02和步骤S07中均采用压缩感知技术对预采样数据A进行稀疏重建。9.根据权利要求1所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述图像为CT正弦图像。10.根据权利要求9所述的一种基于贝叶斯估计的图像重建方法，其特征在于，所述采样采用角度采样的方法进行。2CN110458907A说明书1/5页一种基于贝叶斯估计的图像重建方法技术领域[0001]本发明涉及图像重建领域，具体涉及一种基于贝叶斯估计的图像重建方法。背景技术[0002]自引入计算机层析成像(CT)以来，如何减少患者的高能射线辐射剂量一直是一个重要的问题。稀疏采样正弦图数据的图像重建能够以减少的X射线剂量进行快速扫描。然而，由于稀疏采样中较少的测量数，导致投影数据不足以进行精确重建，标准重建算法(如滤波反投影(FilteredBackProjection，FBP))的应用将导致目标图像出现伪影和噪声，干扰实际影像诊断的准确性。[0003]对于CT稀疏采样像素点的重建，近年来涌现了以迭代全变差(TotalVariantion，TV)最小化算法为代表的优化方法