近年來,隨著醫(yī)學(xué)影像技術(shù)的快速發(fā)展,超聲成像、電子計(jì)算機(jī)斷層掃描成像、磁共振成像等多種成像技術(shù)已成為臨床輔助診斷的重要手段。然而,在醫(yī)學(xué)成像采集過程中,受放射劑量、采集時(shí)間、硬件設(shè)備、病人運(yùn)動(dòng)等因素的限制,使得醫(yī)學(xué)圖像質(zhì)量下降。因此提高醫(yī)學(xué)圖像分辨率,獲得高質(zhì)量的醫(yī)學(xué)圖像對(duì)提高臨床診斷的準(zhǔn)確性具有重要的意義。本論文針對(duì)現(xiàn)有圖像超分辨率重建算法的不足,分別針對(duì)不同類別的醫(yī)學(xué)圖像,研究其超分辨率重建算法,具體的創(chuàng)新工作如下:（1）提出了基于全變分和改進(jìn)非局部全變分正則化的醫(yī)學(xué)圖像的超分辨率重建方法。該方法結(jié)合高斯、拉普拉斯和柯西分布改進(jìn)了傳統(tǒng)的非局部變分正則項(xiàng),并結(jié)合了全變分正則項(xiàng)保持圖像邊緣的優(yōu)勢(shì),克服了傳統(tǒng)正則項(xiàng)的缺點(diǎn),實(shí)現(xiàn)了醫(yī)學(xué)灰度圖像的準(zhǔn)確重建。（2）為了解決基于正則的超分辨率重建算法對(duì)先驗(yàn)假設(shè)敏感的問題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像超分辨率重建方法。不僅實(shí)現(xiàn)了醫(yī)學(xué)灰度圖像的超分辨率準(zhǔn)確重建,還可以保證重建圖像后處理得到的臨床參數(shù)指標(biāo)圖像的準(zhǔn)確性。（3）為了解決卷積神經(jīng)網(wǎng)絡(luò)超分辨率重建方法對(duì)數(shù)據(jù)和模型的依賴問題,提出了基于互相似性的醫(yī)學(xué)圖像的超分辨率重建方法。該方法利用多幅醫(yī)... 

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 超分辨率重建算法的國內(nèi)外研究現(xiàn)狀
        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 基于學(xué)習(xí)的超分辨率重建
    1.3 論文的主要內(nèi)容
    1.4 課題來源及論文結(jié)構(gòu)安排
第二章 超分辨率重建的基本理論
    2.1 圖像降質(zhì)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 基于正則的超分辨率圖像重建原理
        2.2.3 基于學(xué)習(xí)的超分辨率重建原理
    2.3 超分辨率重建性能評(píng)價(jià)標(biāo)準(zhǔn)
        2.3.1 主觀評(píng)價(jià)指標(biāo)
        2.3.2 客觀評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
第三章 基于改進(jìn)正則化的醫(yī)學(xué)圖像的超分辨率重建算法
    3.1 基于雙正則項(xiàng)的改進(jìn)超分辨率重建
        3.1.1 圖像降質(zhì)模型
        3.1.2 改進(jìn)的超分辨率圖像重建模型
        3.1.3 分裂Bregman算法求解過程
    3.2 圖像的超分辨率重建實(shí)驗(yàn)
        3.2.1 自然圖像的超分辨率重建實(shí)驗(yàn)
        3.2.2 醫(yī)學(xué)圖像超分辨率重建實(shí)驗(yàn)
    3.3 實(shí)驗(yàn)分析
        3.3.1 自然圖像的超分辨率重建實(shí)驗(yàn)結(jié)果分析
        3.3.2 醫(yī)學(xué)圖像的超分辨率重建實(shí)驗(yàn)結(jié)果分析
        3.3.3 實(shí)驗(yàn)結(jié)果討論
    3.4 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率重建算法
    4.1 算法的相關(guān)理論
        4.1.1 體素內(nèi)不相干運(yùn)動(dòng)成像原理
        4.1.2 基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率圖像重建原理
    4.2 實(shí)驗(yàn)結(jié)果與分析
        4.2.1 實(shí)驗(yàn)數(shù)據(jù)描述及參數(shù)設(shè)置
        4.2.2 磁共振擴(kuò)散加權(quán)圖像的超分辨率重建結(jié)果
        4.2.3 IVIM參數(shù)的超分辨率重建結(jié)果
    4.3 本章小結(jié)
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 互相似性超分辨率圖像重建的基本原理
        5.1.2 相似圖像塊的優(yōu)化搜索方法
    5.2 超分辨率重建實(shí)驗(yàn)與結(jié)果
        5.2.1 實(shí)驗(yàn)數(shù)據(jù)和參數(shù)設(shè)置
        5.2.2 超分辨率圖像重建結(jié)果
    5.3 結(jié)果分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表論文


【參考文獻(xiàn)】：
期刊論文
[1]基于結(jié)構(gòu)自相似性和形變塊特征的單幅圖像超分辨率算法[J]. 向文,張靈,陳云華,姬秋敏.  計(jì)算機(jī)應(yīng)用. 2019(01)
[2]利用多尺度卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法[J]. 陳書貞,解小會(huì),楊郁池,練秋生.  信號(hào)處理. 2018(09)
[3]基于中間層監(jiān)督卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建[J]. 李現(xiàn)國,孫葉美,楊彥利,苗長云.  中國圖象圖形學(xué)報(bào). 2018(07)
[4]基于深度學(xué)習(xí)特征字典的單幀圖像超分辨率重建[J]. 趙麗玲,孫權(quán)森,張澤林.  數(shù)據(jù)采集與處理. 2018(04)
[5]融合低秩和稀疏表示的圖像超分辨率重建算法[J]. 宋長明,王赟.  西安交通大學(xué)學(xué)報(bào). 2018(07)
[6]協(xié)作稀疏字典學(xué)習(xí)實(shí)現(xiàn)單幅圖像超分辨率重建[J]. 邱康,易本順,向勉,肖進(jìn)勝.  光學(xué)學(xué)報(bào). 2018(09)
[7]生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)的多幀紅外圖像超分辨率重建[J]. 李方彪,何昕,魏仲慧,何家維,何丁龍.  紅外與激光工程. 2018(02)
[8]結(jié)合NSCT與插值的圖像超分辨率重建[J]. 殷明,梁翔宇,段普宏.  電子測(cè)量與儀器學(xué)報(bào). 2018(01)
[9]融合特征分類和獨(dú)立字典訓(xùn)練的超分辨率重建[J]. 汪榮貴,汪慶輝,楊娟,胡敏.  光電工程. 2018(01)
[10]基于稀疏表示和多成分字典學(xué)習(xí)的超分辨率重建[J]. 徐志剛,李文文,袁飛祥,朱紅蕾,許亞美.  系統(tǒng)工程與電子技術(shù). 2018(03)



本文編號(hào)：3647598