1.一种基于判别字典学习的联合医学图像融合去噪的方法,其特征在于:首先对医学图像进行采集,再对采集到的医学图像进行训练得到稀疏字典和低秩字典,然后对稀疏字典和低秩字典进行图像分解,得到稀疏元素和低秩元素,对稀疏元素添加稀疏约束和加权核范数约束,对低秩元素添加核范数,分别得到低秩系数和稀疏系数,对低秩字典和低秩系数进行迭代更新,得到更新后的低秩分量,对稀疏字典和稀疏系数进行迭代更新,得到稀疏分量,最后,将低秩分量和稀疏分量相融合,得到最终的融合图像。
2.根据权利要求1所述的基于判别字典学习的联合医学图像融合去噪的方法,其特征在于具体步骤为:(1)、首先对医学图像进行采集,将采集后的医学图像作为作为训练样本,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,在通过式(1)对初始稀疏字典Ds1和初始低秩字典Dl1进行迭代更新,得到最终需要的稀疏字典Ds和低秩字典Dl;
式(1)中,Y表示采集的样本,Yl为采集的低秩样本数据,Ys为采集的稀疏样本数据,Xl为低秩样本数据所对应的低秩表示系数,Xs为稀疏样本数据对应的稀疏表示系数;
(2)、然后对稀疏字典Ds和低秩字典Dl通过公式(2)进行图像分解,得到低秩元素和稀疏元素;
式(2)中,Y1为源图像,Yl1和Ys1分别代表源图像Y1通过RPCA的方法分离得到的低秩元素和稀疏元素;
(3)、对稀疏元素添加稀疏约束,对低秩元素添加核范数和加权核范数约束,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,yi∈RM(i=1,2,...,N)是待融合源图像,Dl∈RM×K代表M行K列的低秩字典,DsM×K K×N K×N∈R 代表M行K列的稀疏字典,Al∈R 代表K行N列的低秩系数,As∈R 代表K行N列的稀疏系数,αl,i(i=1,2,...,N)和αs,i(i=1,2,...,N)分别表示Al和As的列向量,ηi(i=1,2,...,
5)是平衡参数;
再通过公式(4)和(5)得到低秩系数的最大值 和稀疏系数 的最大值并将其作为最终的低秩系数和稀疏系数;
式(4)中, 是第i个源图像的低秩融合编码系数 的第n列,式(5)中, 是第i个源图像稀疏融合编码系数的 的第n列,L是源图像的个数;
(4)、对低秩字典Dl和低秩系数Al进行迭代更新,得到更新后的低秩分量DlAl,对稀疏字典Ds和稀疏系数As进行迭代更新,得到稀疏分量DsAs;
最后,将低秩分量DlAl和稀疏分量DsAs通过公式YF=DlAl+DsAs相融合,得到最终的融合图像YF。