隨著信息技術(shù)的發(fā)展,數(shù)字化時代已經(jīng)悄然而至,數(shù)字圖像已經(jīng)成為人們從外部世界獲取信息的主要方式之一。圖像的超分辨率重構(gòu)就是利用計算機(jī)算法,把成像設(shè)備獲取的效果不理想的低分辨率圖像轉(zhuǎn)化成相應(yīng)的高分辨率圖像。醫(yī)學(xué)圖像作為醫(yī)生診療病癥的一種主要依據(jù),提高醫(yī)學(xué)圖像的分辨率對醫(yī)生盡早發(fā)現(xiàn)病情和擬定積極的診療策略都有頗為重要的意義。因此,為了進(jìn)一步提高醫(yī)學(xué)圖像的質(zhì)量,本文將卷積神經(jīng)網(wǎng)絡(luò)和超分辨率重構(gòu)相結(jié)合,成功的使重構(gòu)之后的高分辨率醫(yī)學(xué)圖像擁有更高的像素密度、更細(xì)膩的畫質(zhì)和更多的紋理信息。同時,本文提出的算法在處理含有噪聲的醫(yī)學(xué)圖像時還能夠抵抗原始低分辨率醫(yī)學(xué)圖像中的噪聲,算法的魯棒性得到進(jìn)一步增強(qiáng),同時本文提出的算法還具有快速、高效等優(yōu)點(diǎn)。本文主要研究圖像的超分辨率重構(gòu)過程,針對基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像超分辨率重構(gòu)算法進(jìn)行研究,以實(shí)現(xiàn)在提高重構(gòu)后醫(yī)學(xué)圖像質(zhì)量的同時加快算法的重構(gòu)速度以及提升算法的魯棒性,從而為醫(yī)生提供更好的幫助。本文的研究主要從以下兩方面開展:(1)提出一種融合局部特征和全局特征的醫(yī)學(xué)圖像超分辨率重構(gòu)算法。算法通過網(wǎng)絡(luò)模型中的兩個特征提取層,對醫(yī)學(xué)圖像進(jìn)行更細(xì)致的特征提取。通過網(wǎng)...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究動態(tài)
    1.3 本文的研究內(nèi)容與組織結(jié)構(gòu)
第二章 圖像超分辨率重構(gòu)相關(guān)理論研究
    2.1 超分辨率重構(gòu)相關(guān)理論
        2.1.1 圖像退化建模與求解
        2.1.2 醫(yī)學(xué)圖像的成像原理
    2.2 超分辨率重構(gòu)圖像的客觀評價指標(biāo)
        2.2.1 峰值信噪比
        2.2.2 結(jié)構(gòu)相似性
    2.3 超分辨率重構(gòu)算法的分類
        2.3.1 基于插值的方法
        2.3.2 基于重建的方法
        2.3.3 基于學(xué)習(xí)的方法
    2.4 本章小結(jié)
第三章 融合局部特征和全局特征的醫(yī)學(xué)圖像超分辨率重構(gòu)算法
    3.1 引言
    3.2 網(wǎng)絡(luò)模型特點(diǎn)與算法流程
        3.2.1 卷積層
        3.2.2 重疊池化層
        3.2.3 連接層
        3.2.4 算法流程
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 客觀數(shù)值比較
        3.3.2 主觀效果展示
    3.4 本章小結(jié)
第四章 基于噪聲魯棒的卷積神經(jīng)網(wǎng)絡(luò)超分辨率重構(gòu)算法
    4.1 引言
    4.2 網(wǎng)絡(luò)模型特點(diǎn)與算法流程
        4.2.1 離散Harr小波變換上采樣
        4.2.2 基于圖像內(nèi)容的自適應(yīng)分塊算法
        4.2.3 算法流程
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 客觀數(shù)值比較
        4.3.2 主觀效果展示
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
附錄



本文編號：3878565