[发明专利]基于压缩感知的多能X射线分离成像方法

说明书

本发明公开了基于压缩感知的多能X射线图像分离方法，属于医学影像图像处理的技术领域。本发明根据压缩感知理论感知人体X射线序列图像信号，建立基于图像感知信号的过完备基独立成分分析模型，将过完备基独立成分分析模型转化为标准独立成分分析模型，估计标准独立成分分析模型的医学图像目标信号，结合压缩感知理论重构信号。本发明压缩时间短、重构时间短、重构图像质量高，在保证重构图像质量的同时减少计算量并优化独立成分分析算法复杂度。

技术领域

本发明公开了基于压缩感知(Compressive Sensing,CS)的多能X射线分离成像方法，属于医学影像的图像处理技术领域。

背景技术

针对传统X射线图像噪声大、层次感差和器官组织重叠的问题，提出利用多能谱X射线图像特性结合独立成分分析(Independent Component Analysis,ICA)进行目标分离。依据图像中各目标组成X射线衰减特性不同分离出图像中每个像素对应目标的厚度矩阵；调整ICA算法的收敛次数和幅值大小获得收敛矩阵，重建出目标对象。这种传统ICA算法进行重建时，算法运算量繁重且不适合选取过完备字典作为稀疏矩阵，而利用自适应过完备字典是降低图像处理运算量的趋势，这属于CS技术范畴。CS是一种新的信号处理理论，由D.Donoho、E.Candes及华裔科学家T.Tao等人提出，自诞生之日起便极大地吸引了相关研究人员的关注。

发明内容

本发明所要解决的技术问题是针对上述背景技术的不足，提供基于CS的多能X射线分离成像方法，在CS理论基础上，将改进的ICA算法嵌套在信号稀疏测量与信号重构之间，确保稀疏化的自适应性和分离图像的质量，改善了采用传统ICA进行X射线分离成像时运行时间长和内存占有量大的缺陷。

本发明为实现上述发明目的采用如下技术方案：

本发明将CS应用到ICA图像分离研究中，算法由原图像信号感知、基于ICA的信号分离及目标信号重构三部分构成，具体实现顺序为：获取不同射线能量的X射线序列图像s₁,s₂,...,s_n，作为原图像信号，用矩阵S表示；使用感知矩阵(即稀疏矩阵ψ与测量矩阵φ)处理原图像信号，得到相对应的图像感知信号x₀₁′,x₀₂′,...,x_0n′，用矩阵X₀′表示；将标准ICA模型感知信号X通过回归算法使过完备ICA模型转换为标准ICA模型X；利用FastICA对感知信号进行分离,得到X射线图像目标信号y₁,y₂,...,y_n，用Y表示；采用正交匹配追踪算法重构X射线图像目标信号Y，得到重构图像信号o₁,o₂,...,o_n。

进一步的，标准ICA模型为：

其中，X为标准ICA模型的感知信号，X'₀为原始X射线图像序列信号经过感知矩阵感知得到的已感知信号，X'_m为未感知信号，已感知信号的维数m小于原始X射线图像序列信号的维数n，S'为原始X射线图像序列信号在稀疏基上的稀疏分量，A'₀为已感知信号的目标厚度矩阵，A'_m为未感知信号的目标厚度矩阵。

进一步的，所述分离图像方法中，采用如下方法将过完备基ICA模型转化为标准ICA模型：

抽取图像感知信号中的已感知信号部分，结合欧式平方距离表示未感知信号部分；

根据线性回归分析法并结合已感知信号模型得到未感知信号的期望，将未感知信号的期望代入过完备基ICA模型得到标准ICA模型。