本文關(guān)鍵詞：X射線透視成像目標(biāo)提取與識(shí)別方法研究

  更多相關(guān)文章： X射線透視成像 稀疏表示 多字典 字典學(xué)習(xí) 視覺(jué)詞包 目標(biāo)提取與識(shí)別

【摘要】：X射線透視成像技術(shù)已經(jīng)被廣泛應(yīng)用于醫(yī)療、工業(yè)生產(chǎn)與制造、公共安全和食品安全等領(lǐng)域,隨著計(jì)算機(jī)技術(shù)與硬件設(shè)備的發(fā)展,X射線圖像處理已成為一個(gè)研究熱點(diǎn)。本文主要研究?jī)深?lèi)X射線透視成像圖像:心臟血管造影圖像和安檢儀圖像,應(yīng)用稀疏表示、字典學(xué)習(xí)和視覺(jué)詞包等方法,對(duì)其進(jìn)行目標(biāo)提取與識(shí)別。論文主要研究成果及創(chuàng)新點(diǎn)為:(1)針對(duì)心臟血管造影圖像中細(xì)小血管區(qū)域?qū)Ρ榷炔?難以辨認(rèn)等問(wèn)題,提出一種基于多字典與稀疏表示的血管增強(qiáng)算法。該算法先在訓(xùn)練數(shù)據(jù)集上使用血管圖像生成稀疏表示字典(RepresentationDictionary RD),同時(shí)使用對(duì)應(yīng)的血管區(qū)域手工提取結(jié)果二值圖像生成增強(qiáng)字典(EnhancementDictionaryED),并根據(jù)ED字典單個(gè)原子中血管區(qū)域所占比例對(duì)RD和ED進(jìn)行優(yōu)化。在對(duì)測(cè)試數(shù)據(jù)集圖像進(jìn)行血管區(qū)域增強(qiáng)時(shí),使用RD字典和正交匹配追蹤算法(Orthogonal Matching Pursuit OMP)求解得到待增強(qiáng)圖像中每個(gè)小塊的稀疏解,再使用ED字典進(jìn)行重建,得到增強(qiáng)后的圖像,并使用灰度拉伸的方法,得到最終增強(qiáng)后血管圖像。該算法不僅可以提高血管圖像感興趣區(qū)域的對(duì)比度,且能完善細(xì)小血管結(jié)構(gòu),增強(qiáng)細(xì)節(jié)信息,文中實(shí)驗(yàn)部分還將其應(yīng)用于視網(wǎng)膜血管圖像增強(qiáng)中。(2)為了實(shí)現(xiàn)血管區(qū)域自動(dòng)提取,改善血管區(qū)域提取精度,本文提出了一種基于稀疏表示與字典學(xué)習(xí)的血管提取算法。在使用訓(xùn)練數(shù)據(jù)集生成分割字典時(shí),先通過(guò)手工分割的方法提取得到訓(xùn)練數(shù)據(jù)集中所有血管區(qū)域(記為mask),根據(jù)mask信息生成分割字典集,將字典集中每個(gè)原子加入標(biāo)簽信息和字典中心點(diǎn)位置信息,再使用字典學(xué)習(xí)的方法,得到分割字典集。測(cè)試集血管圖像進(jìn)行分割時(shí),根據(jù)小塊所在位置信息,從分割字典集中選取部分字典,使用稀疏表示的方法求取稀疏解,并通過(guò)標(biāo)簽信息,判斷小塊是否為血管區(qū)域,最終實(shí)現(xiàn)血管區(qū)域自動(dòng)提取。實(shí)驗(yàn)結(jié)果表明通過(guò)該算法提取得到的血管區(qū)域,其結(jié)構(gòu)完整,提取精度高,與血管增強(qiáng)類(lèi)似,同樣將其應(yīng)用于視網(wǎng)膜血管圖像血管區(qū)域提取中。(3)針對(duì)另一類(lèi)X射線透視成像圖像——安檢儀圖像,提取圖像中管制刀具、危險(xiǎn)品等目標(biāo)所在區(qū)域。本文提出了一種非局部活動(dòng)輪廓模型目標(biāo)提取算法,該算法使用非局部的方法計(jì)算輸入圖像的融合Gabor特征圖,并引入水平集的方法,對(duì)圖像中目標(biāo)進(jìn)行提取。實(shí)驗(yàn)結(jié)果表明,通過(guò)該算法提取得到的目標(biāo)區(qū)域結(jié)構(gòu)完整,輪廓信息與實(shí)際信息更加接近,且對(duì)初始化輪廓線不敏感,文中還將該算法應(yīng)用于肝臟CT圖像腫瘤目標(biāo)區(qū)域提取中。(4)針對(duì)安檢儀圖像中不同類(lèi)別目標(biāo)識(shí)別難度大,準(zhǔn)確率低等問(wèn)題,本文提出了一種基于視覺(jué)詞包和稀疏表示的安檢儀圖像目標(biāo)識(shí)別方法。該方法分為識(shí)別字典生成部分和測(cè)試集圖像識(shí)別部分,其主要將視覺(jué)詞包與稀疏表示相結(jié)合,對(duì)安檢儀圖像中目標(biāo)進(jìn)行識(shí)別。識(shí)別字典生成部分主要通過(guò)SURF(Speeded Up Robust Features)算子提取得到視覺(jué)單詞,并根據(jù)視覺(jué)單詞出現(xiàn)的頻率進(jìn)行篩選,去除不同目標(biāo)共有的特征和噪聲帶來(lái)的影響,再使用k-means級(jí)聯(lián)聚類(lèi)的方法生成視覺(jué)詞包,最終得到帶有標(biāo)簽信息的識(shí)別字典。測(cè)試集圖像識(shí)別部分則將測(cè)試圖像通過(guò)SURF算子提取得到視覺(jué)單詞,使用識(shí)別字典進(jìn)行稀疏表示求取稀疏解,并通過(guò)稀疏解和字典標(biāo)簽信息得到每個(gè)視覺(jué)單詞識(shí)別結(jié)果,最后使用投票的方式,得到測(cè)試圖像最終目標(biāo)識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明,本文算法得到的安檢儀圖像目標(biāo)識(shí)別準(zhǔn)確率較高,且計(jì)算速度快,基本達(dá)到了安檢儀圖像目標(biāo)識(shí)別的要求。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41;O434.1

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動(dòng)提取方法[J];光譜學(xué)與光譜分析;2009年07期

2 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

3 陳才扣;喻以明;史俊;;一種快速的基于稀疏表示分類(lèi)器[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

4 耿耀君;張軍英;;一種基于投影稀疏表示的基因選擇方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2011年08期

5 熊承義;汪淑賢;高志榮;;基于字典優(yōu)化的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

6 戴平陽(yáng);洪景新;李翠華;詹小靜;;一種基于稀疏表示的判別式目標(biāo)跟蹤算法[J];廈門(mén)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

7 趙佳佳;唐崢遠(yuǎn);楊杰;劉爾琦;周越;;基于圖像稀疏表示的紅外小目標(biāo)檢測(cè)算法[J];紅外與毫米波學(xué)報(bào);2011年02期

8 柯激情;祝磊;厲力華;韓斌;鄭智國(guó);孟旭莉;;基于稀疏表示算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)特征選擇[J];生物物理學(xué)報(bào);2012年08期

9 王立國(guó);劉丹鳳;趙亮;;基于高光譜圖像稀疏表示的彩色可視化模型(英文)[J];Applied Geophysics;2013年02期

10 宋琳;程詠梅;趙永強(qiáng);;基于稀疏表示模型和自回歸模型的高光譜分類(lèi)[J];光學(xué)學(xué)報(bào);2012年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 何愛(ài)香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國(guó)華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測(cè)方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號(hào)處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂(lè);空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類(lèi)方法[D];南京理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類(lèi)[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺(jué)追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：1275704