[发明专利]图像合成方法与装置

说明书

本发明提供了一种图像合成方法与装置，包括：步骤1，获取3T和7T磁共振图像样本集；步骤2，输入3T磁共振图像作为当前3T图像；步骤3，从当前3T图像中的多个图像片中任选一图像片作为当前3T图像片，并构建低分辨率字典和高分辨率字典；步骤4，在空间域中获取当前3T图像片合成的7T图像片和高分辨率字典为步骤5，在频域中获取当前3T图像片x合成的7T图像片和高分辨率字典融合得到空间域中合成的7T图像片和高分辨率字典频域中合成的7T图像片和高分辨率字典步骤7，重复步骤4至步骤6，直至得到的7T图像片满足收敛条件时为止。本发明能够重建出高品质的7T磁共振图像，有效地合成出高保真的解剖结构，具有更好的主客观效果。

技术领域

本发明属于图像处理领域，具体涉及一种图像合成方法与装置。

背景技术

随着磁共振成像技术的迅速发展，磁共振图像的分辨率、信噪比和扫描速度都有了较大提高。然而，目前7T磁共振成像扫描仪价格极其昂贵，分布非常稀少，全世界不足100台。与此对比，作为一种临床常规选择，3T磁共振扫描仪从20世纪初开始成为行业的金标准，至今仍普遍用于科学研究和临床实践。为了提高磁共振图像质量，临床常用措施是使用尺寸较小的体素进行图像采集，能够获得更多的图像细节、更高的分辨率和对比度，但同时造成信噪比较低和扫描时间较长的问题。

高场强(例如7T)磁共振图像合成的任务是将低分辨率的3T图像映射到高分辨率的7T图像，但这不是简单的图像超分辨率问题，因为7T和3T图像的外貌和对比度不同。传统的图像合成方法是利用图像直方图匹配来重建高分辨率的7T图像。虽然这些方法具有计算成本低的优点，但是容易造成合成的7T图像出现模糊、边缘平滑和对比度畸变等失真现象。为了克服传统图像直方图匹配方法的缺陷，考虑到图像退化过程，基于重建的方法将图像合成视为一个逆问题，通常通过施加正则化约束来求解。这些正则化约束通常依赖于自然图像先验知识，例如边缘统计、图像梯度、结构自相似性和稀疏性。由于分段常量的假设，总体变分正则法及其变种方法都倾向于过度平滑高分辨率图像。基于稀疏表示的方法通过利用输入图像或外部图像集来训练字典，学习低分辨率图像片和高分辨率图像片之间的映射关系，对低分辨率图像进行稀疏编码来重建高分辨率图像。近年，基于深度学习的方法先通过学习来自内部或外部图像数据集的低分辨率和高分辨率图像之间的映射关系，再将该映射应用于高分辨率图像重建，取得了令人鼓舞的效果。其中代表性方法有卷积神经网络模型和生成对抗网络模型。现有图像合成方法是对自然图像的先验建模来构建正则化逆问题并求解，或者利用数据驱动的深度学习模型来估计高分辨率图像。虽然这些图像合成方法取得了较好的效果，但常用于自然图像处理，缺乏考虑医学图像的特有属性，很少应用于磁共振图像处理。

发明内容

针对现有技术存在的不足，本发明的目的在于，提供一种图像合成方法与装置，解决现有技术中基于深度学习的图像合成方法需要大量的训练图像集和对应的标记来训练卷积神经网络模型或生成对抗网络模型，但却缺乏大量磁共振图像数据的问题。

为了解决上述技术问题，本发明采用如下技术方案予以实现：

一种图像合成方法，包括以下步骤：

步骤1，获取多个3T磁共振样本图像组成3T磁共振图像样本集，获取多个7T磁共振样本图像组成7T磁共振图像样本集；

将3T磁共振图像样本集中的一个3T磁共振样本图像和7T磁共振图像样本集中的一个7T磁共振样本图像组成一对3T-7T样本图像组，即可得到Q对3T-7T样本图像组，Q为大于等于1的自然数；

步骤2，输入任一3T磁共振图像作为当前3T图像，该当前3T图像不属于3T磁共振图像样本集，所述当前3T图像包括多个图像片；

步骤3，从当前3T图像中的多个图像片中任选一图像片作为当前3T图像片x，在3T磁共振图像样本集中挑选前L₁个与当前图像片x相似的样本图像片集合{z_3T,l|l＝1,2,…,L₁}，即得到低分辨率字典