基于不可分离MRA小波图像重建.docVIP

基于不可分离MRA小波图像重建 　 作者：金国英, 罗戎蕾, 汪元美 【摘要】 本文提出了一种基于不可分离MRA的小波重建算法。算法将投影数据进行二通道的小波分解，在分解抽样中，使用不同的抽样方法。算法结果，相比通常所使用的基于可分离MRA的小波重建算法基本相同的局部重建特性，重建质量和运算速度都优于后者。 【关键词】 图像重建； 小波变换； 不可分离MRA Abstract: A wavelet reconstruction algorithm based on nonseparable MRA has been proposed. In the algorithm the projection data were disposed with two channel wavelet. This algorithm not only has the same local reconstruction characteristics with the algorithm based on separable MRA, but have better image quality and can be obtained by shorter working time. Key words: tomography; wavelet transform; nonseparable MRA 引言 利用二维小波理论进行图像重建的目的为了利用小波的局部性，即使用局部数据就可以得到局部图像。这样可以减少X射线对人体的射入。通常在二维小波变换时，对二维图像进行行和列的依次滤波［1］，即将假定二维信号是关于自变量x和y可分离的，而实际二维信号种大多时不宜分开处理的。基于不可分离MRA的小波去噪算法将投影数据进行二通道的小波分解，从而直接得到小波的近似系数和细节系数，这些系数再经过逆小波变换得到最终的重建图像。对算法进行仿真实验，其结果不但具有基于可分离MRA（Mualtiresolution Analysis—多分辨率分析）的小波重建算法基本相同的局部重建特性，重建质量和运算速度都优于后者。 1 重建算法 首先，我们可以写双尺度方程为［2］：Φ(x)=k∈Z2h0(k)Φ(Dx－k)， Ψ(x)=k∈Z2h1(k)Ψ(Dx－k)，(1)其中，对于固定的尺度j，{Φj,k,k∈Z2}构成Vj空间的一个非正交基，{Ψij,k,i=1…(N－1)}构成空间Wj的非正交基，而对于抽样矩阵D，我们定义N=|detD|，则Φj,k(x)=|detD|－(j/2)Φ(D－jx－k)，其中，h0(k)和h1(k)分别为二维低通滤波器和二维高通滤波器，可以通过一维滤波器利用McClellan变换得到［2］：用二维零相位滤波器代替(cosω)，从而二维的频率响应为：H(ω)=Nn=1a(n)Tn［F(ω1,ω2)］.对于梅花五点抽样方法：D=11 1－1,（2） F(ω1,ω2)=12(cos(ω1)+cos(ω2)). 为了避免混叠现象，我们取h1=0(－z1,－z2), 1=－h0(－z1,－z2),（3）其中，h0、h1表示分解低通和高通分解滤波器，0、表示低通和高通重构滤波器。对于尺度函数对{Φ,Φ～}及N-1对小波函数{Ψ,Ψ～}，函数f∈L2(R2)可以分解为双正交小波序列［4］：f=k∈Z2〈f,Φj,k〉Φ～j,k(x) +N－1i=1j≤Jk∈Z2〈f,Ψij,k〉Ψ～ij,k(x),(4)其中，〈f,Ψj,k〉是f在子空间Vj上的投影，表示f在Vj上的离散近似系数。 从式(2)可得： |detD|=2，所以，在分辨率为j时，原图像f可分解为：近似图像Ajf［n］和细节图像Djf［n］：Ajf［n］=〈f,Φj,n〉=(fΦ～j,0)(Djn), Djf［n］=〈f,Φj,n〉=(fΨ～j,0)(Djn),(5)其中，Φ～(x)=Φ(－x)， Ψ～(x)=Ψ(－x),则对于滤波反投影算法［5］f=R#ΛRθf，可以写为：Ajf［n］=(fR#ΛRθΦ～j,0)(Djn) =R#(RθfΛRθΦ～j,0)(Djn),（6） Djf［n］=(fR#ΛRθΨ～j,0)(Djn) =R#(RθfΛRθΨ～j,0)(Djn).（7） 不可分离的二维MRA和可分离的二维MRA在形式上是相同的。在基于可分离的二维MRA算法中：Φj,0(x)=2j(x)2j(y)， 2j(x)=2－j/2(2－jx). 利用式(1)我们写式(5)如下，Ajf［n］=f*hj0(Djn), hj0［n］=k∈Z2h0(k)h［n－Dj－1k］, Djf［n］=f*hj1(Djn), hj1［n］=k∈