1.一种基于投影字典对学习的医学图像融合质量改善的方法,其特征在于:先采集图像,将采集后的图像作为训练样本,再将训练样本进行处理得到投影字典对;利用训练得到的字典对把源图像分解为低秩分量和稀疏分量;然后对稀疏分量采用外部块先验、内部自适应先验联合和稀疏约束,对低秩元素添加核范数约束,从而迭代后得到稀疏系数和低秩系数;对低秩合成字典,低秩分析字典和低秩系数进行迭代更新,得到更新后的低秩分量,对稀疏合成字典,稀疏分析字典和稀疏系数进行迭代更新,得到稀疏分量,把得到的投影字典对和稀疏分量,低秩分量融合得到最终的融合图像;
具体步骤为:
S1、首先对训练图像进行采集,将采集后的图像作为训练样本,通过K‑SVD方法对训练样本进行处理,得到初始稀疏字典Ds1和初始低秩字典Dl1,再通过式(1)对初始稀疏分析字典Ds1,初始低秩分析字典Dl1,初始低秩分析字典Dl1和初始稀疏分析字典Ds1进行迭代更新,得到最终需要字典对,即低秩合成字典Pl,稀疏合成字典Ps,低秩分析字典Dl和稀疏分析字典Ds;
式(1)中,X是采集得到的训练样本数据,Xl是采集的低秩样本数据分量,Xs是采集的稀疏样本数据分量;
S2、利用训练得到的字典对把源图像X1分解,得到低秩分量和稀疏分量;
式(2)中,X1为源图像,Xl1和Xs1分别代表源图像X1通过RPCA的方法分离得到的低秩元素和稀疏元素;
S3、对稀疏元素添加外部块先验、内部自适应先验约束和稀疏约束,对低秩元素添加核范数,通过公式(3)结合添加后的稀疏元素和低秩元素分别得到低秩系数和稀疏系数:式(3)中,外部块先验和内部自适应先验的定义如下:M×N M×K M×K K×M K×M式(3)中,Y∈R 是一个M行N列的待融合源图像,Dl∈R ,Ds∈R ,Pl∈R ,Ps∈R分别代表M行K列的低秩合成字典,M行K列的稀疏合成字典,M行K列的低秩分析字典,M行K列M×N M×N
的稀疏分析字典;Xl∈R ,Xs∈R 是对应的低秩分量和稀疏分量是通过列向量Xl,i(i=1,
2,...,N)和Xsi(i=1,2,...,N)构成,Xl=[Xl,1,Xl,2,...Xl,N],Xs=[Xs,1,Xs,2,...Xs,N],θ是参数;
低秩分量的最大值 和稀疏分量的最大值 由下式计算得到:式(5)中, 是第i个源图像的低秩融合分量 的第n列,式(6)中 是第i个源图像稀疏融合分量的 的第n列,L是源图像的个数;
S4、由上式得到的投影字典对低秩合成字典Dl,低秩分析字典Pl,稀疏合成字典Ds,稀疏分析字典Ps和稀疏分量Xs,低秩分量Xl通过公式(7)相融合,得到最终的融合图像I;