基于字典学习的视网膜图像超分辨率算法研究与应用
发布时间：2020-12-14 09:36
视觉是人类取得外界信息的一个主要媒介。随着人口老龄化和眼睛保护意识的缺乏,老年性黄斑病变,病理性近视和视网膜色素变性等视网膜病变导致视力下降。眼科医生主要利用频域光学相干断层扫描技术（SD-OCT）获得的视网膜图像来诊断和预测疾病。SD-OCT成像技术一次扫描产生128个低分辨率（Low Resolution,LR）图像,以形成三维的体数据,同时,在视网膜黄斑中央凹位置产生5幅高分辨率（High Resolution,HR）图像,视网膜病变组织结构清晰可见。由于HR图像数量少,无法对病变组织进行三维量化分析。LR图像含有大量散斑噪声,低质量图像给眼科临床医生的诊断和病变组织的量化预测带来困难。随着超分辨率重建（Super Resolution,SR）技术在医学图像上的广泛应用,本文对LR视网膜图像进行超分辨率重建。重建后的视网膜图像质量得到改善,有利于视网膜疾病进一步的精确治疗。本文主要基于字典学习的超分辨率算法框架,研究了抑制散斑噪声和保持边界的算法,提高了重建图像质量。论文的主要工作总结如下:（1）提出了一种非局部相似性的视网膜图像超分辨率算法。由于相似图像块的稀疏系数也相似,所以...
【文章来源】：济南大学山东省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
不同病变视图
图 1.3 基于学习算法的主要思想[10,11]利压缩感知相关基本原理，探索了基于稀疏表示的SR算法(SCS后续的研究中，提出了基于稀疏理论约束条件下的超分辨率算法[12-15]幅图像超分辨率(SISR)算法，只是利用低分辨率图像来训练字典，不图像集。采用K-SVD算法求LR字典，然后使用最优方向法求解HR字的效率。SISR是一种不适定问题，需要从外部图像或者内部相似性中的先验知识，因此，Cruz等[17]提出了一种基于自相似性的SISR算法。疏编码的超分辨率方法都是将图像划分成重叠块，分别处理每一块，了重叠块中像素的一致性，Gu等[18]提出了基于卷积稀疏编码的SR方的问题。Dong等[19]提出了一种新的基于稀疏表示的图像去模糊和SIS稀疏域选择和自适应正则化，考虑了自然图像的最佳稀疏域可以在单像和不同图像块之间显着变化的事实。Zhao等[20]提出一种基于自适应法，通过建立正则化模型，将稀疏性和相关性整合为模型中的正则项，
噪声等影响，称为图像质量退化过程。了解图像的退化过程能够给超分辨率提供先验知识，所以对图像退化过程建模是SR重建的基础步骤。以视网膜图像的退化过程为例，如图2.1所示。图 2.1 视网膜图像的退化过程视网膜图像的退化过程可以建模如下：Y = BHX+N(2.1)其中，Y是获取的LR图像，X是原始的HR图像，B是下采样操作，H是模糊操作，N是噪声。超分辨率技术就是从观测到的LR图像Y中重建出HR图像 X ，若将图像的成像过程当作F变换，那么超分辨率重建就是F的逆变换：FYX ()=-1(2.2)式(2.2)的解一定存在
【参考文献】：
期刊论文
[1]改进的混合MAP-POCS超分辨率图像复原算法研究[J]. 绍乐图,陈晨,张红刚,张国华. 电光与控制. 2015(02)
[2]基于运动估计的肺4D-CT图像冠矢状面超分辨率重建[J]. 肖珊,王婷婷,张煜. 中国生物医学工程学报. 2014(02)
[3]基于自适应对偶字典的磁共振图像的超分辨率重建[J]. 刘振圻,包立君,陈忠. 光电技术应用. 2013(04)
[4]改进的最大后验概率估计法实现单幅图像超分辨率重建[J]. 张磊,杨建峰,薛彬,闫兴涛. 激光与光电子学进展. 2011(01)
本文编号：2916215
【文章来源】：济南大学山东省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
不同病变视图
图 1.3 基于学习算法的主要思想[10,11]利压缩感知相关基本原理，探索了基于稀疏表示的SR算法(SCS后续的研究中，提出了基于稀疏理论约束条件下的超分辨率算法[12-15]幅图像超分辨率(SISR)算法，只是利用低分辨率图像来训练字典，不图像集。采用K-SVD算法求LR字典，然后使用最优方向法求解HR字的效率。SISR是一种不适定问题，需要从外部图像或者内部相似性中的先验知识，因此，Cruz等[17]提出了一种基于自相似性的SISR算法。疏编码的超分辨率方法都是将图像划分成重叠块，分别处理每一块，了重叠块中像素的一致性，Gu等[18]提出了基于卷积稀疏编码的SR方的问题。Dong等[19]提出了一种新的基于稀疏表示的图像去模糊和SIS稀疏域选择和自适应正则化，考虑了自然图像的最佳稀疏域可以在单像和不同图像块之间显着变化的事实。Zhao等[20]提出一种基于自适应法，通过建立正则化模型，将稀疏性和相关性整合为模型中的正则项，
噪声等影响，称为图像质量退化过程。了解图像的退化过程能够给超分辨率提供先验知识，所以对图像退化过程建模是SR重建的基础步骤。以视网膜图像的退化过程为例，如图2.1所示。图 2.1 视网膜图像的退化过程视网膜图像的退化过程可以建模如下：Y = BHX+N(2.1)其中，Y是获取的LR图像，X是原始的HR图像，B是下采样操作，H是模糊操作，N是噪声。超分辨率技术就是从观测到的LR图像Y中重建出HR图像 X ，若将图像的成像过程当作F变换，那么超分辨率重建就是F的逆变换：FYX ()=-1(2.2)式(2.2)的解一定存在
【参考文献】：
期刊论文
[1]改进的混合MAP-POCS超分辨率图像复原算法研究[J]. 绍乐图,陈晨,张红刚,张国华. 电光与控制. 2015(02)
[2]基于运动估计的肺4D-CT图像冠矢状面超分辨率重建[J]. 肖珊,王婷婷,张煜. 中国生物医学工程学报. 2014(02)
[3]基于自适应对偶字典的磁共振图像的超分辨率重建[J]. 刘振圻,包立君,陈忠. 光电技术应用. 2013(04)
[4]改进的最大后验概率估计法实现单幅图像超分辨率重建[J]. 张磊,杨建峰,薛彬,闫兴涛. 激光与光电子学进展. 2011(01)
本文编号：2916215
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2916215.html
