【摘要】：提高白質(zhì)纖維交叉重構(gòu)能力是有效提高纖維跟蹤技術(shù)的前提之一,目前大多纖維重構(gòu)方法都是基于白質(zhì)體素的獨(dú)立重構(gòu),沒有考慮到纖維的連續(xù)性特征,這就促使文章從全局范圍考慮提高白質(zhì)纖維重構(gòu)能力.文章提出了一種基于全變差空間正則化的纖維方向分布估計(jì)方法,該方法首先利用字典基分布的球面反卷積策略擬合多殼采樣信號(hào),為了能夠適用于單殼和多殼采樣方案,文章重新定義了廣義的纖維響應(yīng)函數(shù);進(jìn)而在q空間中定義基函數(shù)系數(shù)的全變差正則化約束,旨在減少不必要的方向信息,降低因噪聲引起的方向偏差,以獲得纖維方向的空間局部一致性.實(shí)驗(yàn)分別在模擬數(shù)據(jù)和實(shí)際數(shù)據(jù)下進(jìn)行,分別采用單殼和多殼數(shù)據(jù)驗(yàn)證了文章所提方法能夠以更高效的性能實(shí)現(xiàn)纖維方向估計(jì),相對(duì)于其他算法顯著提高了纖維的連續(xù)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.
【作者單位】： 浙江工業(yè)大學(xué)信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61379020,61075062) 浙江省自然科學(xué)基金(LY13F0300067) 溫州醫(yī)科大學(xué)重中之重學(xué)科基金(LKFJ014)資助課題
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邵文澤;韋志輝;;數(shù)字雙邊全變差濾波及非線性去噪[J];中國(guó)圖象圖形學(xué)報(bào);2007年07期

2 肖亮,吳慧中,韋志輝,湯淑春,劉揚(yáng);基于圖的數(shù)字全變差模型及其帶噪圖像任意精度放大[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2004年01期

3 王鵬;于錦海;;運(yùn)用全變差模型進(jìn)行道路影像處理[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年08期

4 王旭東;馮象初;霍雷剛;;去除乘性噪聲的重加權(quán)各向異性全變差模型[J];自動(dòng)化學(xué)報(bào);2012年03期

5 任福全;邱天爽;;基于空-時(shí)加權(quán)全變差正則項(xiàng)的視頻復(fù)原算法[J];電子與信息學(xué)報(bào);2013年04期

6 曾泰山;魯春元;;多尺度全變差圖像去噪算法[J];華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

7 余瑞艷;劉文;;全變差圖像去噪模型的快速求解[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2011年02期

8 路雅寧;郭雷;李暉暉;;帶限剪切波變換與全變差結(jié)合的圖像去噪[J];光子學(xué)報(bào);2013年12期

9 吳亞東;孫世新;張紅英;韓永國(guó);陳波;;一種基于圖割的全變差圖像去噪算法[J];電子學(xué)報(bào);2007年02期

10 閔濤;武海霞;;全變差正則化在拋物型方程初始條件反問題的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2008年S1期

相關(guān)博士學(xué)位論文 前4條

1 王思;數(shù)字圖像處理中優(yōu)化問題模型與算法的研究[D];電子科技大學(xué);2016年

2 陳高;基于分?jǐn)?shù)階全變差的視頻圖像壓縮感知重構(gòu)算法研究[D];西南交通大學(xué);2016年

3 唐錦萍;基于輻射傳輸方程的擴(kuò)散光學(xué)層析成像理論與算法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 史寶麗;幾類全變差型圖像恢復(fù)模型研究[D];湖南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王璐;基于全變差可變范數(shù)的圖像去噪模型[D];昆明理工大學(xué);2016年

2 劉淵;基于全變差稀疏約束的磁共振快速重構(gòu)方法研究[D];浙江理工大學(xué);2015年

3 解頤;基于多尺度分析的全變差去噪和壓縮感知研究[D];北京交通大學(xué);2017年

4 喬麗紅;全變差法在圖像處理中的應(yīng)用[D];河北師范大學(xué);2007年

5 王萍;基于全變差和小波方法的圖像修補(bǔ)[D];西安電子科技大學(xué);2010年

6 叢麗麗;基于小波包和全變差的圖像去噪算法[D];吉林大學(xué);2010年

7 楊夏芳;自適應(yīng)加權(quán)全變差和非局部正則模型在圖像重建中的應(yīng)用[D];西安電子科技大學(xué);2013年

8 李權(quán)利;全變差正則化盲圖像復(fù)原技術(shù)研究[D];重慶大學(xué);2012年

9 張家林;基于混合數(shù)據(jù)保真加權(quán)全變差的圖像恢復(fù)[D];五邑大學(xué);2017年

10 劉宇;基于局部加權(quán)全變差和連續(xù)核的盲去模糊[D];大連理工大學(xué);2014年

，

本文編號(hào)：2331653