本文關(guān)鍵詞：基于信息融合的目標(biāo)檢測(cè)和PET目標(biāo)重建方法，由筆耕文化傳播整理發(fā)布。

【摘要】：目標(biāo)檢測(cè)和PET目標(biāo)重建是當(dāng)今計(jì)算機(jī)科學(xué)領(lǐng)域研究的兩個(gè)熱門問(wèn)題。目標(biāo)檢測(cè)是確定目標(biāo)或者其成分的位置輪廓以及姿態(tài)的過(guò)程,因而成為很多重要計(jì)算機(jī)視覺(jué)問(wèn)題的前提和基礎(chǔ)。PET通過(guò)接收7光子達(dá)到確定核素分布的目的,因而PET目標(biāo)重建可以為癌癥的前期診斷提供強(qiáng)有力的依據(jù)。由此可見(jiàn),目標(biāo)檢測(cè)和PET目標(biāo)重建在計(jì)算機(jī)科學(xué)領(lǐng)域都起著舉足輕重的作用�；谛畔⑷诤系哪繕�(biāo)檢測(cè)由于集成了多方面的信息從而達(dá)到了更好的檢測(cè)效果,本文的研究重點(diǎn)—基于部件的目標(biāo)檢測(cè)正是一類典型的利用信息融合來(lái)進(jìn)行目標(biāo)檢測(cè)的方法。然而目前基于部件的目標(biāo)檢測(cè)方法的精度和魯棒性還有待提高,該方法還不能適用于更加復(fù)雜多變的環(huán)境,本文針對(duì)這些問(wèn)題提出了一系列的改進(jìn)方法,屬于特征級(jí)的信息融合方式�；谛畔⑷诤系腜ET目標(biāo)重建大多采用旋轉(zhuǎn)的方式采集目標(biāo)多個(gè)角度的投影來(lái)對(duì)目標(biāo)進(jìn)行精確重建,然而目前旋轉(zhuǎn)PET系統(tǒng)還存在著很難精確估計(jì)系統(tǒng)矩陣、旋轉(zhuǎn)精度要求過(guò)高等缺點(diǎn),本文針對(duì)這些問(wèn)題設(shè)計(jì)了一種新的旋轉(zhuǎn)PET系統(tǒng),屬于數(shù)據(jù)級(jí)的信息融合方式。因此,本文的研究?jī)?nèi)容主要包括以下幾個(gè)部分：1)針對(duì)基于部件的目標(biāo)檢測(cè)模型依然受到目標(biāo)遮擋影響的問(wèn)題,提出了一種基于部件的目標(biāo)檢測(cè)模型來(lái)專門處理部件遮擋問(wèn)題。本文對(duì)傳統(tǒng)的形狀信息模型、局部紋理信息模型進(jìn)行了改變以適用于遮擋的檢測(cè)環(huán)境,并對(duì)目標(biāo)遮擋的先驗(yàn)進(jìn)行了建模,同時(shí)加入了懲罰項(xiàng)來(lái)更好地約束假設(shè)空間。在檢測(cè)階段,本文采用內(nèi)層推理和外層推理相互迭代方式來(lái)達(dá)到最小化目標(biāo)函數(shù)的目的,且在此過(guò)程中加入了可用性驗(yàn)證來(lái)避免不正確的檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,在沒(méi)有遮擋的情況下,本文方法可以在很少的迭代次數(shù)內(nèi)獲得不錯(cuò)的檢測(cè)結(jié)果,在存在遮擋且大多數(shù)的部件被遮擋的情況下,本文方法仍然可以達(dá)到令人滿意的檢測(cè)精度。2)針對(duì)目標(biāo)旋轉(zhuǎn)的問(wèn)題,提出了一種新的具有任意角度旋轉(zhuǎn)不變性的部件檢測(cè)模型。為了完全剔除目標(biāo)旋轉(zhuǎn)對(duì)部件檢測(cè)帶來(lái)的影響,本文設(shè)計(jì)了一種新的形狀信息模型,這種模型采用部件之間的距離作為形狀特征。在檢測(cè)過(guò)程中采用置信度傳播算法進(jìn)行推理,為了保證置信度的計(jì)算可以在線性的時(shí)間復(fù)雜度內(nèi)完成,本文對(duì)泛化的距離變換進(jìn)行了擴(kuò)展。實(shí)驗(yàn)結(jié)果表明,本文方法的性能在不同角度旋轉(zhuǎn)和不同形狀信息權(quán)重的情況下是恒定的。在不同旋轉(zhuǎn)角度的混合測(cè)試集上,即使已經(jīng)給稀疏形狀信息模型提供了很好的初始值,本文方法的性能仍然要優(yōu)于稀疏形狀信息模型的性能。對(duì)于非旋轉(zhuǎn)測(cè)試集,在部件個(gè)數(shù)多于兩個(gè)的情況下,本文方法的性能不比樹狀模型差,但是當(dāng)部件個(gè)數(shù)等于兩個(gè)的時(shí)候,本文方法由于缺少角度信息,性能會(huì)降低。同時(shí)實(shí)驗(yàn)結(jié)果也表明,本文提出的形狀信息模型可以跟各種不同的紋理描述方法結(jié)合來(lái)達(dá)到部件檢測(cè)的目的。3)針對(duì)現(xiàn)有形狀信息模型通常不能對(duì)部件位置形成有效約束的問(wèn)題,提出了一種無(wú)向圖結(jié)構(gòu)的形狀信息模型來(lái)表示部件之間的位置關(guān)系,同時(shí)為了解訣動(dòng)態(tài)規(guī)劃算法不能應(yīng)用于帶有環(huán)路結(jié)構(gòu)的形狀模型的問(wèn)題,本文提出了一種層次傳播算法,既能保證檢測(cè)結(jié)果的正確性,又能保證檢測(cè)過(guò)程為線性的時(shí)間復(fù)雜度。實(shí)驗(yàn)結(jié)果表明,本文的方法在摩托車數(shù)據(jù)庫(kù)上和在飛機(jī)數(shù)據(jù)庫(kù)上的檢測(cè)性能要好于1-fan模型和2-fan模型。4)針對(duì)目前旋轉(zhuǎn)PET系統(tǒng)存在著很難精確估計(jì)系統(tǒng)矩陣、旋轉(zhuǎn)精度要求過(guò)高等缺點(diǎn),本文設(shè)計(jì)了一種90°旋轉(zhuǎn)PET系統(tǒng),大大增加了垂直于平板方向圖像的空間分辨率,同時(shí)也降低了工程復(fù)雜度和對(duì)機(jī)械精度的要求。這種旋轉(zhuǎn)方式使本文提出的平板PET系統(tǒng)達(dá)到了目前為止所了解到的最好的幾何對(duì)稱性,最大程度上縮短了使用蒙特卡羅方法估計(jì)系統(tǒng)矩陣所需要的時(shí)間,而且采集數(shù)據(jù)的冗余度較少。實(shí)驗(yàn)結(jié)果表明,本文系統(tǒng)可以在探測(cè)距離為5cm、10cm和15cm的情況下很清晰地重建目標(biāo),且在這三種平板距離下的x軸方向上(即垂直于平板方向)分別達(dá)到了0.79mm、0.74mm和0.72mm的分辨率,遠(yuǎn)好于非旋轉(zhuǎn)PET系統(tǒng)。另外本文根據(jù)實(shí)驗(yàn)還得到了以下結(jié)論：影響PET系統(tǒng)重建精度的是相鄰體素的系統(tǒng)矩陣的相關(guān)性。
【關(guān)鍵詞】：部件檢測(cè) 圖模型 遮擋 旋轉(zhuǎn)不變性 旋轉(zhuǎn)PET系統(tǒng)
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-15
• 符號(hào)對(duì)照表15-16
• 縮略語(yǔ)對(duì)照表16-20
• 第一章 緒論20-34
• 1.1 論文研究背景20-23
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀23-31
• 1.2.1 基于多特征的圖像目標(biāo)檢測(cè)24-29
• 1.2.2 基于多角度投影的醫(yī)學(xué)目標(biāo)重建29-31
• 1.3 論文結(jié)構(gòu)安排31-34
• 第二章 基于部件的目標(biāo)檢測(cè)模型&PET目標(biāo)重建方法－理論基礎(chǔ)34-46
• 2.1 引言34-35
• 2.2 基于樹形模型的部件檢測(cè)模型以及關(guān)于二維距離變換的擴(kuò)展35-43
• 2.2.1 形狀信息模型36-38
• 2.2.2 局部紋理描述方法38-40
• 2.2.3 檢測(cè)方法40-41
• 2.2.4 二維距離變換及其擴(kuò)展41-43
• 2.3 基于迭代算法的PET目標(biāo)重建方法43-45
• 2.4 本章總結(jié)45-46
• 第三章 對(duì)遮擋魯棒的部件檢測(cè)模型46-62
• 3.1 引言46-47
• 3.1.1 相關(guān)的工作46-47
• 3.1.2 本章貢獻(xiàn)47
• 3.2 方法47-54
• 3.2.1 建模方法和參數(shù)估計(jì)48-50
• 3.2.2 檢測(cè)方法50-54
• 3.3 實(shí)驗(yàn)結(jié)果以及分析54-60
• 3.3.1 在非遮擋數(shù)據(jù)上評(píng)估算法性能55-56
• 3.3.2 在遮擋數(shù)據(jù)上評(píng)估算法性能56-60
• 3.4 本章總結(jié)60-62
• 第四章 對(duì)旋轉(zhuǎn)魯棒的部件檢測(cè)模型62-82
• 4.1 引言62-65
• 4.1.1 相關(guān)工作62-64
• 4.1.2 本章貢獻(xiàn)64-65
• 4.2 方法65-73
• 4.2.1 形狀信息模型65-66
• 4.2.2 部件局部紋理描述方法66-67
• 4.2.3 檢測(cè)67-73
• 4.3 實(shí)驗(yàn)結(jié)果與分析73-80
• 4.3.1 不同旋轉(zhuǎn)角度情況下的實(shí)驗(yàn)73-78
• 4.3.2 在非旋轉(zhuǎn)測(cè)試集上的實(shí)驗(yàn)78-80
• 4.4 本章總結(jié)80-82
• 第五章 基于圖結(jié)構(gòu)的部件檢測(cè)模型82-90
• 5.1 引言82-83
• 5.1.1 相關(guān)工作82
• 5.1.2 本章貢獻(xiàn)82-83
• 5.2 方法83-86
• 5.2.1 形狀信息模型的構(gòu)建84-85
• 5.2.2 檢測(cè)85-86
• 5.3 實(shí)驗(yàn)結(jié)果與分析86-89
• 5.3.1 摩托車數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)86-88
• 5.3.2 飛機(jī)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)88-89
• 5.4 本章總結(jié)89-90
• 第六章 90°旋轉(zhuǎn)PET系統(tǒng)90-106
• 6.1 引言90-91
• 6.1.1 相關(guān)工作90-91
• 6.1.2 本章貢獻(xiàn)91
• 6.2 設(shè)計(jì)原型與方法91-95
• 6.2.1 設(shè)計(jì)考慮,幾何結(jié)構(gòu)以及硬件配置91-92
• 6.2.2 系統(tǒng)矩陣的估計(jì)92-94
• 6.2.3 目標(biāo)重建94-95
• 6.3 實(shí)驗(yàn)結(jié)果與分析95-104
• 6.3.1 相鄰體素的系統(tǒng)矩陣相似度分析95-97
• 6.3.2 目標(biāo)區(qū)域分辨率測(cè)量97-101
• 6.3.3 靈敏度101-103
• 6.3.4 噪聲等效計(jì)數(shù)以及散射分?jǐn)?shù)103-104
• 6.4 本章總結(jié)104-106
• 第七章 結(jié)束語(yǔ)106-110
• 7.1 論文總結(jié)106-107
• 7.2 工作展望107-110
• 參考文獻(xiàn)110-124
• 致謝124-126
• 作者簡(jiǎn)介126-128
• 附錄A128-130
• 附錄B130-131

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 宋琳;曹吉海;;基于隨機(jī)濾波的雷達(dá)信號(hào)采樣和目標(biāo)重建方法[J];科技導(dǎo)報(bào);2008年13期

2 石守元,葛德彪;二維有耗介質(zhì)目標(biāo)重建的Newtoin迭代方法[J];微波學(xué)報(bào);1998年01期

3 周子超;李重陽(yáng);;微波近場(chǎng)成像方法研究[J];火控雷達(dá)技術(shù);2010年04期

4 劉艷麗;李廉林;李芳;;有耗媒質(zhì)中目標(biāo)的無(wú)相位衍射層析成像方法[J];電子學(xué)報(bào);2011年06期

5 ;[J];;年期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 張春暉;基于信息融合的目標(biāo)檢測(cè)和PET目標(biāo)重建方法[D];西安電子科技大學(xué);2015年

  本文關(guān)鍵詞：基于信息融合的目標(biāo)檢測(cè)和PET目標(biāo)重建方法，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：327955