【摘要】：磁共振成像(MRI,Magnetic resonance imaging)是一種無損傷、軟組織對比度高和多參數(shù)的成像方法,由于其獨(dú)特優(yōu)勢快速成為醫(yī)學(xué)診斷的主要工具之一。但MRI最大的缺點(diǎn)為掃描時(shí)間過長,病人無法長時(shí)間保持不動(dòng),導(dǎo)致產(chǎn)生運(yùn)動(dòng)偽影。為了縮短掃描時(shí)間,通常加大層厚,但獲得的3D-MR圖像為低分辨率,即層面選擇方向的分辨率遠(yuǎn)遠(yuǎn)低于層面內(nèi)方向的分辨率,導(dǎo)致體素為各向異性。這種低分辨率3D-MR圖像容易產(chǎn)生部分容積效應(yīng),限制后期對圖像的處理、分析和疾病診斷等。因此,提高各向異性3D-MR圖像的分辨率是亟待解決的問題。超分辨率重建算法作為一種高效的圖像處理技術(shù),在提高3D-MR圖像分辨率的同時(shí),平衡了3D-MR圖像的分辨率、信噪比和掃描時(shí)間,比以增加掃描時(shí)間為代價(jià)直接獲取高分辨率臨床3D-MR圖像更具有優(yōu)越性。本文針對單幅或多幅低分辨率3D-MR圖像超分辨率重建問題,創(chuàng)新性地提出了三種基于稀疏表示的超分辨率重建算法,目的是減小低分辨率3D-MR圖像的層厚,去除部分容積效應(yīng),重建高分辨3D-MR圖像。本文主要的創(chuàng)新性研究成果如下:(1)提出了基于跨層面方向字典學(xué)習(xí)的單幅3D-MR圖像超分辨率重建算法(cpSFSR,Cross Plane direction dictionary learning based Single Frame Super Resolution reconstruction algorithm)。cpSFSR算法利用3D-MR圖像跨層面方向的自相似性,提取層面內(nèi)方向的高分辨率層面作為訓(xùn)練集合學(xué)習(xí)字典;再根據(jù)得到的過完備字典提高層面選擇方向的分辨率,從而獲得高分辨率3D-MR圖像。cpSFSR算法解決了傳統(tǒng)基于稀疏表示的超分辨率重建算法對額外訓(xùn)練集合的依賴問題,同時(shí)解決了過完備字典的魯棒性和重建精度平衡問題。模擬數(shù)據(jù)和臨床數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的插值算法相比,cp SFSR算法重建圖像的峰值信噪比(PSNR,Peak Signal-to-Noise Ratio)和基于結(jié)構(gòu)的相似度(SSIM,Structural SIMilarity)更高,重建圖像更清晰。與非局部均值算法比較,在模擬數(shù)據(jù)的實(shí)驗(yàn)中,當(dāng)重建尺度較小時(shí),cpSFSR算法重建圖像的PSNR值與SSIM值略低于非局部均值算法;但在臨床數(shù)據(jù)的實(shí)驗(yàn)中,cpSFSR算法能夠取得與非局部均值算法基本相似的重建效果,同時(shí)有效地減少了時(shí)間復(fù)雜度和空間復(fù)雜度。(2)提出了基于多模態(tài)先驗(yàn)的單幅3D-MR圖像超分辨率重建算法(mmSFSR,Multi-Modality MR images based Single Frame Super Resolution algorithm)。利用T1加權(quán)像和T2加權(quán)像的互補(bǔ)性,將同一對象的T1加權(quán)像的先驗(yàn)知識(shí)引入到低分辨率T2加權(quán)像的超分辨率重建過程中。為了同時(shí)利用T1加權(quán)像的先驗(yàn)知識(shí)和T2加權(quán)像自身的特征,本文構(gòu)建了基于稀疏表示和非局部自相似性的多約束超分辨率重建優(yōu)化模型,并提出了mmSFSR算法對其求解。模擬數(shù)據(jù)和臨床數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)插值算法、cpSFSR算法和基于多模態(tài)先驗(yàn)的非局部均值算法比較,mmSFSR算法重建圖像的PSNR和SSIM值最高,同時(shí)通過主觀觀察和分析剖面像素值分布表明重建圖像質(zhì)量更好。(3)提出了基于正交3D-MR圖像的多幅圖像超分辨率重建算法(o MFSR,Orthogonal 3D-MR images based Multi-Frames Super Resolution reconstruction algorithm)。利用同一對象的多幅正交3D-MR圖像的互相關(guān)性和自相似性,提出了基于稀疏表示的超分辨率重建算法。oMFSR算法首次利用稀疏表示的思想求解多幅3D-MR圖像的超分辨率重建問題,同時(shí)不需要額外的訓(xùn)練集合。oMFSR算法主要包括三個(gè)步驟:基于稀疏表示的重建步驟,基于小波分解的圖像融合步驟和基于反向投影誤差的全局優(yōu)化步驟。模擬數(shù)據(jù)和臨床數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,與單幅3D-MR圖像超分辨率重建算法相比,oMFSR算法雖然時(shí)間復(fù)雜度相對較高,但融合了多幅低分辨率3D-MR圖像的細(xì)節(jié)信息,重建的高分辨3D-MR圖像質(zhì)量遠(yuǎn)遠(yuǎn)優(yōu)于單幅圖像超分辨率重建算法的重建結(jié)果;與cpSFSR算法、傳統(tǒng)均值融合算法和基于小波分解的重建算法相比,oMFSR算法重建圖像的PSNR和SSIM值最高,同時(shí)通過主觀觀察和分析剖面像素值分布表明重建圖像的質(zhì)量更好。
[Abstract]:......
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孔玲莉,黃華,齊春,劉美娟;圖像超分辨率研究的最新進(jìn)展[J];光學(xué)技術(shù);2004年03期

2 沈煥鋒;李平湘;張良培;王毅;;圖像超分辨率重建技術(shù)與方法綜述[J];光學(xué)技術(shù);2009年02期

3 王春霞;蘇紅旗;范郭亮;;圖像超分辨率重建技術(shù)綜述[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年05期

4 張銀林;;視頻圖像超分辨率增強(qiáng)技術(shù)[J];硅谷;2011年16期

5 余徽;陳華旺;;圖像超分辨率技術(shù)研究進(jìn)展[J];光學(xué)與光電技術(shù);2012年05期

6 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

7 強(qiáng)振平;何麗波;狄光智;陳旭;;一種基于稀疏表征的圖像超分辨率重建方法[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

8 黃華;樊鑫;齊春;朱世華;;基于粒子濾波的人臉圖像超分辨率重建方法[J];軟件學(xué)報(bào);2006年12期

9 丁海勇;卞正富;;數(shù)字圖像超分辨率重構(gòu)技術(shù)研究[J];計(jì)算機(jī)與數(shù)字工程;2007年10期

10 唐斌兵;王正明;;基于先驗(yàn)約束的圖像超分辨率復(fù)原[J];紅外與毫米波學(xué)報(bào);2008年05期

相關(guān)會(huì)議論文 前7條

1 張煜東;吳樂南;奚吉;王水花;;變長小生境算法用于圖像超分辨率復(fù)原[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 張東;韓軍;;圖像超分辨率重建算法研究[A];2010年西部光子學(xué)學(xué)術(shù)會(huì)議摘要集[C];2010年

3 楊浩;高建坡;陳向東;吳鎮(zhèn)揚(yáng);;利用示例圖像獲取先驗(yàn)知識(shí)的圖像超分辨率重建算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

4 閆允一;郭寶龍;;基于小波的圖像超分辨率重建算法研究[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

5 顧瑩;朱秀昌;;基于CS的圖像超分辨率重建[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

6 韓玉兵;殷瑋瑋;吳樂南;;基于Wavelet-HMM的圖像超分辨率重建[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

7 張瓊;付懷正;沈民奮;;基于稀疏表示的彩色圖像超分辨率重建算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 曹明明;基于鄰域嵌入的圖像超分辨率重建研究[D];南京郵電大學(xué);2015年

2 李小燕;基于廣義圖像先驗(yàn)的圖像超分辨率重建算法研究[D];西南交通大學(xué);2015年

3 康凱;圖像超分辨率重建研究[D];中國科學(xué)技術(shù)大學(xué);2016年

4 徐海明;圖像超分辨率重建關(guān)鍵技術(shù)的基礎(chǔ)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

5 李娟;基于稀疏表示的圖像超分辨率復(fù)原研究[D];武漢科技大學(xué);2016年

6 鄧良劍;圖像處理若干問題的數(shù)學(xué)模型和高性能算法研究[D];電子科技大學(xué);2016年

7 王新蕾;基于鄰域?qū)W習(xí)和稀疏原子聚類字典的圖像超分辨率重構(gòu)算法研究[D];東南大學(xué);2016年

8 賈媛媛;基于稀疏表示的3D磁共振圖像超分辨率重建算法研究[D];重慶大學(xué);2016年

9 張劍;圖像超分辨率重建問題研究[D];中南大學(xué);2010年

10 何宇清;圖像超分辨率重建關(guān)鍵技術(shù)研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 雷倩;基于深度學(xué)習(xí)的圖像超分辨率重構(gòu)[D];河北師范大學(xué);2015年

2 馬瑩;基于字典學(xué)習(xí)的圖像超分辨率復(fù)原算法研究[D];燕山大學(xué);2015年

3 張志超;單幅圖像超分辨率重建算法研究[D];鄭州大學(xué);2015年

4 王賀青;基于稀疏表示和非下采樣輪廓波變換的單幅圖像超分辨率[D];哈爾濱工業(yè)大學(xué);2015年

5 曹柱利;基于學(xué)習(xí)的毫米波圖像超分辨率算法研究[D];電子科技大學(xué);2014年

6 吳秀秀;基于配準(zhǔn)的肺4D-CT圖像超分辨率重建研究[D];南方醫(yī)科大學(xué);2015年

7 熊智;車牌圖像超分辨率重建算法研究[D];南昌航空大學(xué);2015年

8 趙新;圖像超分辨率重建系統(tǒng)的研究與實(shí)現(xiàn)[D];河北工業(yè)大學(xué);2015年

9 王保全;基于混合專家模型的快速圖像超分辨率方法研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

10 徐光耀;基于稀疏表示的人臉圖像超分辨率技術(shù)研究[D];上海交通大學(xué);2015年

，

本文編號(hào)：2464029