【摘要】：磁共振成像作為目前臨床醫(yī)學(xué)數(shù)字影像診療中重要的工具之一,在疾病檢測與診斷中應(yīng)用非常廣泛。但是實(shí)際過程中MRI圖像的分辨率會受到信噪比、設(shè)備性能、掃描時間等因素的限制,而且,重建算法也會影響圖像分辨率,高分辨率意味著所花費(fèi)的軟件成本更大。本文采用圖像超分辨率重建技術(shù),得到分辨率更高的MRI圖像。通過將圖像超分辨率重建技術(shù)與壓縮感知理論結(jié)合,建立了壓縮感知框架下的MRI圖像超分辨率重建模型,由此提出了基于壓縮感知的MRI圖像超分辨率重建算法。同時,鑒于MRI圖像自身的特點(diǎn)以及聯(lián)合字典學(xué)習(xí)的局限性,本文還提出了基于局部信息的壓縮感知MRI圖像超分辨率重建改進(jìn)算法,并進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,本文提出的改進(jìn)算法充分考慮到MRI圖像本身的特點(diǎn),計(jì)算量少,重建性能優(yōu)于傳統(tǒng)的重建方法。相比于之前的基于壓縮感知的MRI圖像超分辨率重建算法,得到的圖像PSNR、SSIM值平均提高0.3747、0.0078,表明通過改進(jìn)算法的MRI圖像分辨率更高,視覺效果更好,具有一定的臨床應(yīng)用價(jià)值。
【圖文】：

圖像退化過程

插值算法效果對比
【學(xué)位授予單位】：長春理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R445.2;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉振圻;包立君;陳忠;;基于自適應(yīng)對偶字典的磁共振圖像的超分辨率重建[J];光電技術(shù)應(yīng)用;2013年04期

2 葉兆豐;;圖像超分辨率重建技術(shù)及研究[J];電子世界;2013年09期

3 劉娟娟;;超分辨率重建算法綜述[J];科技信息;2013年08期

4 萬莎;徐彪;段洪濤;;壓縮感知技術(shù)綜述[J];中國無線電;2013年02期

5 張忠旭;;淺談DR圖像質(zhì)量控制[J];青海醫(yī)藥雜志;2012年09期

6 沈松;朱飛;姚琦;王鵬飛;;基于稀疏表示的超分辨率圖像重建[J];電子測量技術(shù);2011年06期

7 藺鐵錨;鄭旭媛;顧欣;校午陽;;基于結(jié)構(gòu)自適應(yīng)歸一化卷積的磁共振圖像超分辨率重建[J];國際生物醫(yī)學(xué)工程雜志;2011年01期

8 邵文澤;韋志輝;;基于各向異性MRF建模的多幀圖像變分超分辨率重建[J];電子學(xué)報(bào);2009年06期

9 陳翼男;金偉其;趙磊;趙琳;;基于Poisson-Markov分布最大后驗(yàn)概率的多通道超分辨率盲復(fù)原算法[J];物理學(xué)報(bào);2009年01期

10 張曉玲,沈蘭蓀;超分辨率圖像復(fù)原技術(shù)的研究進(jìn)展[J];測控技術(shù);2005年05期

相關(guān)博士學(xué)位論文 前2條

1 李欣;基于稀疏表示的圖像超分辨率重建研究[D];南京郵電大學(xué);2016年

2 張健;基于稀疏表示模型的圖像復(fù)原技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳偉業(yè);基于壓縮感知的遙感圖像超分辨率重建方法研究[D];南京理工大學(xué);2017年

2 王慧;基于壓縮感知的單像超分辨率重建[D];中國礦業(yè)大學(xué);2016年

3 程建;基于改進(jìn)正則化超分辨率重建方法的人臉識別研究[D];西安電子科技大學(xué);2014年

4 李祥燦;基于組稀疏表示的自然圖像超分辨率算法研究[D];南京理工大學(xué);2014年

5 唐秋陽;基于壓縮感知的快速彌散張量成像算法的研究[D];吉林大學(xué);2013年

6 劉立成;醫(yī)學(xué)圖像增強(qiáng)若干算法的改進(jìn)研究[D];湖南大學(xué);2012年

7 梅玲;腦部MRI分割算法研究[D];華南理工大學(xué);2011年

8 高彥彥;基于雙樹復(fù)數(shù)小波的壓縮傳感圖像重構(gòu)算法研究[D];燕山大學(xué);2009年

9 劉濤;序列圖像的超分辨率重建技術(shù)研究[D];中北大學(xué);2008年

10 孫剛;基于MAP的紅外圖像超分辨率重建算法研究[D];西安電子科技大學(xué);2008年

，

本文編號：2662198