本文選題：獨(dú)立成分分析 + 壓縮感知��； 參考：《南京郵電大學(xué)》2016年碩士論文

【摘要】：X射線醫(yī)學(xué)成像可以被用于觀察到患者體內(nèi)病變組織,因此它對(duì)醫(yī)學(xué)診斷有重要參考價(jià)值。針對(duì)傳統(tǒng)醫(yī)學(xué)X射線圖像噪聲強(qiáng)、層次感差和器官組織重疊的問題,本文提出利用獨(dú)立成分分析(Independent Component Analysis,ICA)從多能X射線圖像中進(jìn)行降噪和重疊目標(biāo)分離成像研究。壓縮感知(Compressed Sensing,CS)基于信號(hào)的稀疏理論,利用隨機(jī)觀測(cè)矩陣以遠(yuǎn)低于Nyquist采樣頻率的抽樣速率處理信號(hào),可以大大縮短采樣時(shí)間、減少計(jì)算量。壓縮感知的這個(gè)突出的優(yōu)點(diǎn)可以被用來提高ICA進(jìn)行分離成像的性能和速度。本文研究一種新型的X射線成像方法,利用獨(dú)立成分分析從多能X射線醫(yī)學(xué)圖像中將重疊目標(biāo)分離成像,并結(jié)合壓縮感知以提高算法運(yùn)行速度和分離成像質(zhì)量。具體研究方法為:根據(jù)被拍攝物體的物質(zhì)組成,拍攝至少三幅多能X射線圖像組成圖像序列;應(yīng)用CS選取稀疏基將多能X射線醫(yī)學(xué)圖像進(jìn)行稀疏表示;然后利用ICA將多能X射線圖像的稀疏表示進(jìn)行盲源分離得到獨(dú)立源;最后采用正交匹配追蹤算法(Orthogonal Matching Pursuit,OMP)將獨(dú)立源重構(gòu)達(dá)到分離成像。研究結(jié)果表明:使用CS結(jié)合ICA與僅使用ICA進(jìn)行分離成像相比較,前者比后者在算法運(yùn)行時(shí)間減少46.14s(23.3%)、內(nèi)存占有率降低到75%、重構(gòu)圖像峰值信噪比(Peak Signal to Noise Ratio,PSNR)提高2.665dB、邊緣梯度提高0.001、信息熵提高0.09。利用獨(dú)立成分分析可以從多能X射線圖像中將重疊目標(biāo)分離成像,結(jié)合壓縮感知技術(shù)會(huì)使分離成像的速度和性能有較高提升。
[Abstract]:X-ray medical imaging can be used to observe the pathological changes in patients, so it has important reference value for medical diagnosis. Aiming at the problems of high noise, poor stratification and overlapping of organs and tissues in traditional medical X-ray images, an independent component analysis (ICA) is proposed to study the de-noising and overlapping target separation imaging from multifunctional X-ray images. Compressed sensing CS (CS) is based on the theory of signal sparsity, using random observation matrix to process signals at a sampling rate far below Nyquist sampling frequency, which can greatly shorten the sampling time and reduce the amount of computation. This outstanding advantage of compression sensing can be used to improve the performance and speed of ICA separation imaging. In this paper, a new method of X-ray imaging is studied, in which overlapping targets are separated from multifunctional X-ray medical images by independent component analysis (ICA), and compression perception is combined to improve the speed of the algorithm and the quality of the separation imaging. The specific research methods are as follows: according to the material composition of the object being photographed, at least three multi-energy X-ray images are taken to constitute the image sequence, and the sparse basis is selected by CS to represent the multi-energy X-ray medical image sparsely. Then the sparse representation of multi-energy X-ray image is separated by ICA to obtain the independent source, and the orthogonal matching pursuit algorithm (orthogonal matching pursuit OMP) is used to reconstruct the independent source to achieve the separation imaging. The results show that the use of CS combined with ICA is compared with the separation imaging using ICA alone. The former is 46.14s (23.3%) less than the latter, the memory occupancy is reduced to 75, the peak signal to noise PSNR (Peak signal to noise ratio) is increased by 2.665dB, the edge gradient is increased by 0.001, and the information entropy is increased by 0.09. Using independent component analysis (ICA), overlapping targets can be separated and imaged from multifunctional X-ray images. Combined with compression sensing technology, the speed and performance of separation imaging can be improved.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R814;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張潔;胡平;;粘連細(xì)胞分離算法綜述[J];計(jì)算機(jī)與數(shù)字工程;2008年06期

相關(guān)會(huì)議論文 前4條

1 李勇軍;蔡皖東;;一種基于Clark-Wilson模型的職責(zé)分離算法及應(yīng)用[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)’2004論文集[C];2004年

2 唐世浩;李小文;王錦地;孫睿;張麗華;;基于訂正ALPHA差值譜的MODIS溫度/發(fā)射率分離算法[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 肖志;于鳳芹;李玉;;基于Windows Vista的TTS系統(tǒng)實(shí)現(xiàn)[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

4 丁慧;盧晶;沈春華;徐柏齡;;一種改進(jìn)的自適應(yīng)語音分離算法[A];中國(guó)聲學(xué)學(xué)會(huì)2001年青年學(xué)術(shù)會(huì)議[CYCA'01]論文集[C];2001年

相關(guān)博士學(xué)位論文 前3條

1 朱碧磊;基于時(shí)頻分析的音樂識(shí)別和歌聲分離算法研究[D];復(fù)旦大學(xué);2014年

2 關(guān)偉波;Banach空間中函數(shù)和的最小化問題前后分離算法及收斂率[D];哈爾濱工業(yè)大學(xué);2015年

3 程皓;低截獲直擴(kuò)信號(hào)參數(shù)盲估計(jì)方法研究[D];電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 費(fèi)彬;基于CS和ICA的多能X射線醫(yī)學(xué)圖像目標(biāo)分離算法研究[D];南京郵電大學(xué);2016年

2 秦翔宇;樂曲與歌聲分離算法研究[D];電子科技大學(xué);2014年

3 徐楊飛;基于序貫字典學(xué)習(xí)的單通道語音分離算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

4 張峰華;基于統(tǒng)計(jì)量概率正交分解的故障分離算法研究[D];上海交通大學(xué);2014年

5 趙祖云;交叉及粘連物體的分離算法研究[D];東華大學(xué);2010年

6 陸春華;KTRP核心樹融合與分離算法設(shè)計(jì)[D];電子科技大學(xué);2006年

7 廖理;基于ICA和矩陣分解的單通道數(shù)字調(diào)制信號(hào)分離算法研究[D];電子科技大學(xué);2013年

8 張華;非平穩(wěn)寬帶有色信號(hào)盲卷積分離算法的研究[D];西安電子科技大學(xué);2006年

9 李冰;PAL制電視信號(hào)的亮色分離算法研究[D];西安電子科技大學(xué);2013年

10 談華f，

本文編號(hào)：2071930