基于字典学习和加权TV的MRI重构算法

为更好地提高核磁共振图像重构质量,提出了一种基于熵约束字典学习和加权全变分的图像重构算法。首先对图像进行分块,基于熵约束构建新的字典学习模型,生成字典库;结合加权的各向同性与各向异性的全变分正则项构建图像重构模型,并采用Split-Bregman算法求解,最终得到重构图像。实验结果表明,该算法不仅能有效消除噪声,对噪声具有鲁棒性,又能保留图像边缘纹理信息,抑制阶梯效应。与现有的算法相比,该算法对图像重构有着更好的性能。