乳腺癌是当今世界女性最多发的恶性肿瘤之一,现已成为我国女性恶性肿瘤第二位,且发病率和死亡率呈逐年上升趋势。而早期发现乳腺癌并得到恰当治疗,其治愈率将大幅增加。计算机辅助诊断(Computer Aided Diagnosis,CAD)是一种通过计算机结合影像学、医学图像处理等技术发现病灶,提高诊断准确率的方法。其中磁共振成像技术(Magnetic Resonance Imaging,MRI)相对于其他成像技术,如超声、CT(Computed Tomography)、X光等有其特有的优点,在临床上已得到广泛应用。但是磁共振图像的分辨率常受硬件条件、扫描时间等因素限制,该限制在当前难以突破。计算机辅助诊断系统后续的步骤中,如图像配准、肿瘤分割、肿瘤分类等高分辨率图像是必不可少的。此外磁共振图像数据采集时间较长。所以如何缩短时间,用较少数据恢复满足需求的高分辨率图像是MRI亟待解决的问题。目前一种可行有效的方法是把超分辨率重建技术引入到MRI上。超分辨率技术是近些年提出的一种图像重建技术,在不改变硬件条件的情况下,利用一组模糊程度不同或具有空间位移的低分辨率图像以及附加先验信息,重建出更高分辨率的图像。目前国内外学者已提出大量超分辨率技术,并在自然图像上得到了成功的应用,但在MRI上应用较少。所以本文针对MRI的特点,提出了一种结合小波特征和聚类字典的单帧超分辨率重建方法。在训练阶段,首先提取低分辨率块的多尺度小波特征和高分辨率块的高频特征,并将高低分辨率特征图重叠分块。然后利用K均值(K-means)算法对特征块聚类,对每一类高低字典块对使用K奇异值分解(KSVD)分别训练字典,形成映射关系。在重建阶段提取低分辨率图像特征块并分类,使用该类字典原子进行重建。最后引入了迭代反投影(IBP)算法进行后处理进一步提高重建质量。经过控制变量的对比实验给出了整体架构的最佳参数。实验结果显示,所提算法在内部外部数据集上,视觉和量化指标都有较好表现,并优于同类算法。