当前位置:主页 > 科技论文 > 软件论文 >

基于全变差空间正则化的纤维方向分布估计

发布时间:2018-11-14 16:08
【摘要】:提高白质纤维交叉重构能力是有效提高纤维跟踪技术的前提之一,目前大多纤维重构方法都是基于白质体素的独立重构,没有考虑到纤维的连续性特征,这就促使文章从全局范围考虑提高白质纤维重构能力.文章提出了一种基于全变差空间正则化的纤维方向分布估计方法,该方法首先利用字典基分布的球面反卷积策略拟合多壳采样信号,为了能够适用于单壳和多壳采样方案,文章重新定义了广义的纤维响应函数;进而在q空间中定义基函数系数的全变差正则化约束,旨在减少不必要的方向信息,降低因噪声引起的方向偏差,以获得纤维方向的空间局部一致性.实验分别在模拟数据和实际数据下进行,分别采用单壳和多壳数据验证了文章所提方法能够以更高效的性能实现纤维方向估计,相对于其他算法显著提高了纤维的连续性.
[Abstract]:Improving the ability of white matter fiber cross-remodeling is one of the prerequisites to improve the fiber tracking technology. At present, most of the methods of fiber reconstruction are based on the independent reconstruction of white matter voxel, and do not take into account the continuity characteristics of fibers. This prompted the article to improve the ability of white matter fiber remodeling from the global scope. In this paper, a method for estimating the direction distribution of fibers based on total variation space regularization is proposed. Firstly, the spherical deconvolution strategy of dictionary base distribution is used to fit the multi-shell sampling signals, in order to be suitable for single-shell and multi-shell sampling schemes. The generalized fiber response function is redefined in this paper. Then the regularization constraint of the base function coefficients is defined in QZone, which aims to reduce the unnecessary direction information and the direction deviation caused by noise, so as to obtain the spatial local consistency of fiber direction. The experiments were carried out under the simulated data and the actual data, respectively. The single-hull and multi-shell data were used to verify that the proposed method can realize the fiber direction estimation with more efficient performance. Compared with other algorithms, the fiber continuity is improved significantly.
【作者单位】: 浙江工业大学信息工程学院;
【基金】:国家自然科学基金(61379020,61075062) 浙江省自然科学基金(LY13F0300067) 温州医科大学重中之重学科基金(LKFJ014)资助课题
【分类号】:TP391.41

【相似文献】

相关期刊论文 前10条

1 邵文泽;韦志辉;;数字双边全变差滤波及非线性去噪[J];中国图象图形学报;2007年07期

2 肖亮,吴慧中,韦志辉,汤淑春,刘扬;基于图的数字全变差模型及其带噪图像任意精度放大[J];计算机辅助设计与图形学学报;2004年01期

3 王鹏;于锦海;;运用全变差模型进行道路影像处理[J];计算机工程与设计;2008年08期

4 王旭东;冯象初;霍雷刚;;去除乘性噪声的重加权各向异性全变差模型[J];自动化学报;2012年03期

5 任福全;邱天爽;;基于空-时加权全变差正则项的视频复原算法[J];电子与信息学报;2013年04期

6 曾泰山;鲁春元;;多尺度全变差图像去噪算法[J];华南师范大学学报(自然科学版);2013年04期

7 余瑞艳;刘文;;全变差图像去噪模型的快速求解[J];武汉理工大学学报(信息与管理工程版);2011年02期

8 路雅宁;郭雷;李晖晖;;带限剪切波变换与全变差结合的图像去噪[J];光子学报;2013年12期

9 吴亚东;孙世新;张红英;韩永国;陈波;;一种基于图割的全变差图像去噪算法[J];电子学报;2007年02期

10 闵涛;武海霞;;全变差正则化在抛物型方程初始条件反问题的应用[J];计算机应用;2008年S1期

相关博士学位论文 前4条

1 王思;数字图像处理中优化问题模型与算法的研究[D];电子科技大学;2016年

2 陈高;基于分数阶全变差的视频图像压缩感知重构算法研究[D];西南交通大学;2016年

3 唐锦萍;基于辐射传输方程的扩散光学层析成像理论与算法研究[D];哈尔滨工业大学;2016年

4 史宝丽;几类全变差型图像恢复模型研究[D];湖南大学;2012年

相关硕士学位论文 前10条

1 王璐;基于全变差可变范数的图像去噪模型[D];昆明理工大学;2016年

2 刘渊;基于全变差稀疏约束的磁共振快速重构方法研究[D];浙江理工大学;2015年

3 解颐;基于多尺度分析的全变差去噪和压缩感知研究[D];北京交通大学;2017年

4 乔丽红;全变差法在图像处理中的应用[D];河北师范大学;2007年

5 王萍;基于全变差和小波方法的图像修补[D];西安电子科技大学;2010年

6 丛丽丽;基于小波包和全变差的图像去噪算法[D];吉林大学;2010年

7 杨夏芳;自适应加权全变差和非局部正则模型在图像重建中的应用[D];西安电子科技大学;2013年

8 李权利;全变差正则化盲图像复原技术研究[D];重庆大学;2012年

9 张家林;基于混合数据保真加权全变差的图像恢复[D];五邑大学;2017年

10 刘宇;基于局部加权全变差和连续核的盲去模糊[D];大连理工大学;2014年



本文编号:2331653

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2331653.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户d9b5e***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com