医学图像的超分辨率重建算法研究
发布时间：2022-04-23 16:55
近年来,随着医学影像技术的快速发展,超声成像、电子计算机断层扫描成像、磁共振成像等多种成像技术已成为临床辅助诊断的重要手段。然而,在医学成像采集过程中,受放射剂量、采集时间、硬件设备、病人运动等因素的限制,使得医学图像质量下降。因此提高医学图像分辨率,获得高质量的医学图像对提高临床诊断的准确性具有重要的意义。本论文针对现有图像超分辨率重建算法的不足,分别针对不同类别的医学图像,研究其超分辨率重建算法,具体的创新工作如下:（1）提出了基于全变分和改进非局部全变分正则化的医学图像的超分辨率重建方法。该方法结合高斯、拉普拉斯和柯西分布改进了传统的非局部变分正则项,并结合了全变分正则项保持图像边缘的优势,克服了传统正则项的缺点,实现了医学灰度图像的准确重建。（2）为了解决基于正则的超分辨率重建算法对先验假设敏感的问题,提出一种基于卷积神经网络的医学图像超分辨率重建方法。不仅实现了医学灰度图像的超分辨率准确重建,还可以保证重建图像后处理得到的临床参数指标图像的准确性。（3）为了解决卷积神经网络超分辨率重建方法对数据和模型的依赖问题,提出了基于互相似性的医学图像的超分辨率重建方法。该方法利用多幅医...
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 超分辨率重建算法的国内外研究现状
1.2.1 基于插值的超分辨率重建
1.2.2 基于建模的超分辨率重建
1.2.3 基于学习的超分辨率重建
1.3 论文的主要内容
1.4 课题来源及论文结构安排
第二章 超分辨率重建的基本理论
2.1 图像降质模型
2.2 超分辨率重建原理
2.2.1 基于插值的超分辨率重建原理
2.2.2 基于正则的超分辨率图像重建原理
2.2.3 基于学习的超分辨率重建原理
2.3 超分辨率重建性能评价标准
2.3.1 主观评价指标
2.3.2 客观评价指标
2.4 本章小结
第三章 基于改进正则化的医学图像的超分辨率重建算法
3.1 基于双正则项的改进超分辨率重建
3.1.1 图像降质模型
3.1.2 改进的超分辨率图像重建模型
3.1.3 分裂Bregman算法求解过程
3.2 图像的超分辨率重建实验
3.2.1 自然图像的超分辨率重建实验
3.2.2 医学图像超分辨率重建实验
3.3 实验分析
3.3.1 自然图像的超分辨率重建实验结果分析
3.3.2 医学图像的超分辨率重建实验结果分析
3.3.3 实验结果讨论
3.4 本章小结
第四章 基于卷积神经网络的超分辨率重建算法
4.1 算法的相关理论
4.1.1 体素内不相干运动成像原理
4.1.2 基于卷积神经网络的超分辨率图像重建原理
4.2 实验结果与分析
4.2.1 实验数据描述及参数设置
4.2.2 磁共振扩散加权图像的超分辨率重建结果
4.2.3 IVIM参数的超分辨率重建结果
4.3 本章小结
第五章 基于高斯金字塔互相似性的超分辨率重建算法
5.1 互相似性超分辨率重建算法
5.1.1 互相似性超分辨率图像重建的基本原理
5.1.2 相似图像块的优化搜索方法
5.2 超分辨率重建实验与结果
5.2.1 实验数据和参数设置
5.2.2 超分辨率图像重建结果
5.3 结果分析
5.4 本章小结
第六章 总结与展望
6.1 论文总结
6.2 工作展望
致谢
参考文献
攻读学位期间发表论文
【参考文献】：
期刊论文
[1]基于结构自相似性和形变块特征的单幅图像超分辨率算法[J]. 向文,张灵,陈云华,姬秋敏. 计算机应用. 2019(01)
[2]利用多尺度卷积神经网络的图像超分辨率算法[J]. 陈书贞,解小会,杨郁池,练秋生. 信号处理. 2018(09)
[3]基于中间层监督卷积神经网络的图像超分辨率重建[J]. 李现国,孙叶美,杨彦利,苗长云. 中国图象图形学报. 2018(07)
[4]基于深度学习特征字典的单帧图像超分辨率重建[J]. 赵丽玲,孙权森,张泽林. 数据采集与处理. 2018(04)
[5]融合低秩和稀疏表示的图像超分辨率重建算法[J]. 宋长明,王赟. 西安交通大学学报. 2018(07)
[6]协作稀疏字典学习实现单幅图像超分辨率重建[J]. 邱康,易本顺,向勉,肖进胜. 光学学报. 2018(09)
[7]生成式对抗神经网络的多帧红外图像超分辨率重建[J]. 李方彪,何昕,魏仲慧,何家维,何丁龙. 红外与激光工程. 2018(02)
[8]结合NSCT与插值的图像超分辨率重建[J]. 殷明,梁翔宇,段普宏. 电子测量与仪器学报. 2018(01)
[9]融合特征分类和独立字典训练的超分辨率重建[J]. 汪荣贵,汪庆辉,杨娟,胡敏. 光电工程. 2018(01)
[10]基于稀疏表示和多成分字典学习的超分辨率重建[J]. 徐志刚,李文文,袁飞祥,朱红蕾,许亚美. 系统工程与电子技术. 2018(03)
本文编号：3647598
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 超分辨率重建算法的国内外研究现状
1.2.1 基于插值的超分辨率重建
1.2.2 基于建模的超分辨率重建
1.2.3 基于学习的超分辨率重建
1.3 论文的主要内容
1.4 课题来源及论文结构安排
第二章 超分辨率重建的基本理论
2.1 图像降质模型
2.2 超分辨率重建原理
2.2.1 基于插值的超分辨率重建原理
2.2.2 基于正则的超分辨率图像重建原理
2.2.3 基于学习的超分辨率重建原理
2.3 超分辨率重建性能评价标准
2.3.1 主观评价指标
2.3.2 客观评价指标
2.4 本章小结
第三章 基于改进正则化的医学图像的超分辨率重建算法
3.1 基于双正则项的改进超分辨率重建
3.1.1 图像降质模型
3.1.2 改进的超分辨率图像重建模型
3.1.3 分裂Bregman算法求解过程
3.2 图像的超分辨率重建实验
3.2.1 自然图像的超分辨率重建实验
3.2.2 医学图像超分辨率重建实验
3.3 实验分析
3.3.1 自然图像的超分辨率重建实验结果分析
3.3.2 医学图像的超分辨率重建实验结果分析
3.3.3 实验结果讨论
3.4 本章小结
第四章 基于卷积神经网络的超分辨率重建算法
4.1 算法的相关理论
4.1.1 体素内不相干运动成像原理
4.1.2 基于卷积神经网络的超分辨率图像重建原理
4.2 实验结果与分析
4.2.1 实验数据描述及参数设置
4.2.2 磁共振扩散加权图像的超分辨率重建结果
4.2.3 IVIM参数的超分辨率重建结果
4.3 本章小结
第五章 基于高斯金字塔互相似性的超分辨率重建算法
5.1 互相似性超分辨率重建算法
5.1.1 互相似性超分辨率图像重建的基本原理
5.1.2 相似图像块的优化搜索方法
5.2 超分辨率重建实验与结果
5.2.1 实验数据和参数设置
5.2.2 超分辨率图像重建结果
5.3 结果分析
5.4 本章小结
第六章 总结与展望
6.1 论文总结
6.2 工作展望
致谢
参考文献
攻读学位期间发表论文
【参考文献】：
期刊论文
[1]基于结构自相似性和形变块特征的单幅图像超分辨率算法[J]. 向文,张灵,陈云华,姬秋敏. 计算机应用. 2019(01)
[2]利用多尺度卷积神经网络的图像超分辨率算法[J]. 陈书贞,解小会,杨郁池,练秋生. 信号处理. 2018(09)
[3]基于中间层监督卷积神经网络的图像超分辨率重建[J]. 李现国,孙叶美,杨彦利,苗长云. 中国图象图形学报. 2018(07)
[4]基于深度学习特征字典的单帧图像超分辨率重建[J]. 赵丽玲,孙权森,张泽林. 数据采集与处理. 2018(04)
[5]融合低秩和稀疏表示的图像超分辨率重建算法[J]. 宋长明,王赟. 西安交通大学学报. 2018(07)
[6]协作稀疏字典学习实现单幅图像超分辨率重建[J]. 邱康,易本顺,向勉,肖进胜. 光学学报. 2018(09)
[7]生成式对抗神经网络的多帧红外图像超分辨率重建[J]. 李方彪,何昕,魏仲慧,何家维,何丁龙. 红外与激光工程. 2018(02)
[8]结合NSCT与插值的图像超分辨率重建[J]. 殷明,梁翔宇,段普宏. 电子测量与仪器学报. 2018(01)
[9]融合特征分类和独立字典训练的超分辨率重建[J]. 汪荣贵,汪庆辉,杨娟,胡敏. 光电工程. 2018(01)
[10]基于稀疏表示和多成分字典学习的超分辨率重建[J]. 徐志刚,李文文,袁飞祥,朱红蕾,许亚美. 系统工程与电子技术. 2018(03)
本文编号：3647598
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3647598.html
