發(fā)布時(shí)間：2020-05-27 05:03

【摘要】：在腦科學(xué)研究中,神經(jīng)元解剖學(xué)結(jié)構(gòu)至關(guān)重要。傳統(tǒng)的生物醫(yī)學(xué)成像系統(tǒng),在獲取神經(jīng)元結(jié)構(gòu)方面,無法在實(shí)現(xiàn)大范圍的高分辨成像的同時(shí)滿足構(gòu)建精細(xì)的神經(jīng)環(huán)路的研究需求。顯微光學(xué)切片斷層成像系統(tǒng)擁有提供全腦三維高分辨數(shù)據(jù)集的能力,進(jìn)而解決了這一難題。然而,受到成像環(huán)境和成像傳感器狀態(tài)的影響,顯微光學(xué)切片斷層成像圖像數(shù)據(jù)在鼠腦輪廓區(qū)域內(nèi)不可避免的存在圖像噪聲。此外,受到樣本包埋劑的影響,顯微光學(xué)切片斷層成像圖像數(shù)據(jù)在鼠腦輪廓區(qū)域外同樣存在噪聲。圖像噪聲的存在會(huì)干擾微弱的神經(jīng)纖維信號(hào)的識(shí)別,進(jìn)而阻礙神經(jīng)科學(xué)相關(guān)研究的進(jìn)行。傳統(tǒng)的圖像去噪方法,對于顯微光學(xué)切片斷層成像圖像數(shù)據(jù)而言,無法在實(shí)現(xiàn)高效的去除噪聲的同時(shí),保留微弱的有效信號(hào)。相較于只能提取預(yù)定義的低層次圖像特征的傳統(tǒng)方法,卷積神經(jīng)網(wǎng)絡(luò)作為一種有監(jiān)督的學(xué)習(xí)方法,能直接從圖像數(shù)據(jù)中自發(fā)地學(xué)習(xí)深層次的圖像特征,也因此具有更強(qiáng)的圖像特征提取能力并在圖像處理中得到廣泛的應(yīng)用并取得了不錯(cuò)的效果。本文針對顯微光學(xué)切片斷層成像圖像數(shù)據(jù)中存在的圖像噪聲,設(shè)計(jì)了一套圖像去噪方法。根據(jù)噪聲所處位置,顯微光學(xué)切片斷層成像圖像數(shù)據(jù)中的噪聲可以分為鼠腦輪廓區(qū)域之外的噪聲和鼠腦輪廓區(qū)域之內(nèi)的噪聲。對于存在于鼠腦輪廓之內(nèi)的噪聲,使用U-Net模型,以實(shí)現(xiàn)對處于鼠腦輪廓之內(nèi)的噪聲的去除。所設(shè)計(jì)的U-Net模型使用殘差單元,將神經(jīng)網(wǎng)絡(luò)對圖像特征的學(xué)習(xí)變?yōu)閷υ肼曁卣鞯膶W(xué)習(xí)。對照數(shù)據(jù)集和訓(xùn)練數(shù)據(jù)集的制作方面,使用噪聲模型疊加自然圖像的方式人工合成圖像,解決了去噪研究中無法獲得無噪聲對照圖像生成的問題以及卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集生成問題。對于存在于鼠腦輪廓之外的噪聲,設(shè)計(jì)了一個(gè)擁有局部圖像特征提取能力的神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)對鼠腦輪廓的分割,以去除鼠腦輪廓之外的噪聲。綜上,本文設(shè)計(jì)了一套用于顯微光學(xué)切片斷層成像圖像數(shù)據(jù)的圖像去噪方法。所設(shè)計(jì)的方法能夠在高效去除圖像噪聲的同時(shí),保留圖像數(shù)據(jù)中微弱的有效信號(hào),相比較傳統(tǒng)圖像去噪方法具有更好的去噪結(jié)果和信號(hào)保留能力。該方法有望推廣到其他類型的生物醫(yī)學(xué)圖像數(shù)據(jù)的相關(guān)應(yīng)用之中。
【圖文】：

圖2.1 MOST圖像數(shù)據(jù)噪聲的分類及相應(yīng)的去除方法。Figure 2.1 The classification of the noise in MOST image data and the corresponding removamethod..2 腦輪廓內(nèi)去噪方法選擇對于位于腦輪廓內(nèi)的噪聲，，由于圖像噪聲和有效信號(hào)重疊在一起，無法通過圖割直接將噪聲部分去除。因此，需要選擇合適的圖像去噪方法。表2.1 不同圖像去噪方法對比。Table 1.1 Comparison of different image segmentation methods.方法 去噪能力 適用噪聲 計(jì)算效率均值濾波 弱 所有噪聲 高高斯濾波 弱 高斯噪聲 高中值濾波 弱 椒鹽噪聲 高

15華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文圖2.3 具有相同均方差的不同含噪聲圖像。Figure 2.3 Different noisy images with the same mean square error.基于結(jié)構(gòu)相似度的評(píng)價(jià)方法的思想是將相似性測量任務(wù)分為亮度、對比度和結(jié)構(gòu)這三個(gè)方面的比較，這三個(gè)組成部分的計(jì)算相互獨(dú)立。對于結(jié)構(gòu)相似度，首先計(jì)算出圖像在x軸方向和y軸方向上圖像的平均亮度值μx和μy，隨后通過μx和μy計(jì)算出亮度比較函數(shù)l(x,y)，其數(shù)學(xué)表達(dá)式如式(2-4)所示。其中，C1為一個(gè)常數(shù)，其作用是為了避免出現(xiàn)μx和μy同時(shí)趨近于零而導(dǎo)致亮度比較函數(shù)出現(xiàn)的不穩(wěn)定情況。 ( , ) =2 1 2 2 1(2-4)如果把二維圖像看作一個(gè)二維信號(hào)，那么可以使用分別計(jì)算x軸和y軸方向像素的無偏估計(jì)作為圖像在x軸方向和y軸方向上的像素對比度σx和σy。隨后，通過σx和σy計(jì)算出對比度函數(shù)c(x,y)
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R318;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬云;曾祥忠;;圖像去噪方法探析[J];科技與創(chuàng)新;2016年23期

2 賀麗麗;;圖像去噪處理技術(shù)在通信領(lǐng)域的應(yīng)用[J];電子技術(shù)與軟件工程;2017年03期

3 劉濤;;改進(jìn)分?jǐn)?shù)階積分的激光圖像去噪研究[J];內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版);2017年02期

4 宋柏霖;;數(shù)字濾波技術(shù)在醫(yī)學(xué)圖像去噪中的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2016年10期

5 雷燕;唐文娟;;一種基于小波變換的圖像去噪方法的應(yīng)用研究[J];河南科學(xué);2013年01期

6 褚晶輝;李英敏;宋垣;呂衛(wèi);;一種醫(yī)學(xué)圖像去噪程序的并行優(yōu)化[J];中國醫(yī)學(xué)物理學(xué)雜志;2012年06期

7 王勇智,黃紅波;一種數(shù)學(xué)圖像去噪的新方法[J];岳陽職業(yè)技術(shù)學(xué)院學(xué)報(bào);2005年01期

8 陳明;基于多帶復(fù)數(shù)小波與最大后驗(yàn)概率估計(jì)法的圖像去噪方法[J];模糊系統(tǒng)與數(shù)學(xué);2004年01期

9 董海燕;;一種改進(jìn)的變分法圖像去噪模型[J];數(shù)學(xué)學(xué)習(xí)與研究;2019年17期

10 黃子吉;肖杰;陸安江;徐乃濤;孫其梁;;幾種圖像去噪方法的比較研究[J];通信技術(shù);2017年11期

相關(guān)會(huì)議論文 前10條

1 楊懷良;張祥朝;;基于p-范數(shù)的圖像去噪研究[A];上海市激光學(xué)會(huì)2015年學(xué)術(shù)年會(huì)論文集[C];2015年

2 靳士利;趙志剛;;基于小波與非線性擴(kuò)散的混合圖像去噪[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

3 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應(yīng)方向小波在磁共振圖像去噪中的應(yīng)用[A];第十七屆全國波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

4 費(fèi)佩燕;郭寶龍;;基于小波變換的磁共振圖像去噪方法研究[A];中國儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

5 侯培國;趙靜;劉明;;基于小波變換的圖像去噪[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

6 張俞晴;何寧;甄雪艷;孫欣;;基于機(jī)器學(xué)習(xí)的圖像去噪研究進(jìn)展[A];中國計(jì)算機(jī)用戶協(xié)會(huì)網(wǎng)絡(luò)應(yīng)用分會(huì)2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會(huì)論文集[C];2017年

7 王靜;徐志京;;基于中值濾波和形態(tài)學(xué)的聲納圖像去噪研究[A];全國第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

8 楊茹;秦振濤;;基于張量字典學(xué)習(xí)的遙感圖像去噪研究[A];資源環(huán)境與地學(xué)空間信息技術(shù)新進(jìn)展學(xué)術(shù)會(huì)議論文集[C];2016年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學(xué)圖像去噪方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)重要報(bào)紙文章 前1條

1 郭建春;圖像去噪技術(shù)中國專利申請分析[N];中國知識(shí)產(chǎn)權(quán)報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 張曉娟;自適應(yīng)偏微分方程與圖像去噪[D];上海大學(xué);2019年

2 Abdelgader Siddig Elzibaer Abdelgader;基于四階非線性偏微分方程模型的圖像去噪[D];哈爾濱工業(yè)大學(xué);2018年

3 施克漢;基于橢圓和拋物型方程組的圖像去噪和壓縮[D];哈爾濱工業(yè)大學(xué);2018年

4 李小平;低秩與稀疏正則化在圖像去噪與分割中的建模研究[D];西安電子科技大學(xué);2017年

5 賈西西;面向低層視覺的稀疏低秩模型理論與方法[D];西安電子科技大學(xué);2018年

6 曾武;基于不可分小波的圖像去噪方法研究[D];武漢大學(xué);2013年

7 王偉娜;分塊常值信號(hào)和圖像去噪問題的若干研究[D];中國科學(xué)技術(shù)大學(xué);2018年

8 朱立新;基于偏微分方程的圖像去噪和增強(qiáng)研究[D];南京理工大學(xué);2007年

9 李波;基于PDE的圖像去噪、修補(bǔ)及分解研究[D];大連理工大學(xué);2008年

10 祝軒;基于偏微分方程的圖像去噪、修復(fù)及放大研究[D];西北大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 謝鵬;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪研究[D];湘潭大學(xué);2019年

2 李相捧;基于l~q范數(shù)的自適應(yīng)正則化模型去噪算法研究[D];湘潭大學(xué);2019年

3 果實(shí);基于卷積神經(jīng)網(wǎng)絡(luò)的真實(shí)相機(jī)圖像去噪的研究[D];哈爾濱工業(yè)大學(xué);2019年

4 沈晨;基于壓縮感知的無人機(jī)偵察圖像去噪方法研究[D];國防科技大學(xué);2017年

5 蔡明fg;基于FPGA的圖像去噪處理及硬件實(shí)現(xiàn)[D];青島大學(xué);2019年

6 李楠;基于深度學(xué)習(xí)的圖像去噪聲方法研究[D];長春理工大學(xué);2019年

7 王志光;基于CNN的顯微光學(xué)切片斷層成像圖像去噪方法研究[D];華中科技大學(xué);2019年

8 嚴(yán)玉芳;基于低秩張量恢復(fù)的圖像去噪方法[D];溫州大學(xué);2019年

9 張興妥;偏微分方程在圖像去噪中的應(yīng)用研究[D];重慶郵電大學(xué);2018年

10 周敬;水聲圖像去噪方法研究[D];電子科技大學(xué);2019年

本文編號(hào)：2682999