医学图像自适应超分辨率重建算法的研究

医学图像自适应超分辨率重建算法的研究

论文摘要

目前超分辨率重建在军事、天文、遥感等领域都有重要的应用,在医学领域的应用范围也很广泛,例如正电子发射成像(Positron Emission Tomography,PET)、磁共振成像(Magnetic Resonance Imaging,MRI)等。PET能够在分子水平上利用影像技术反映人体心脑代谢和功能,以及新医药开发研究等领域中显示出他卓越的性能。可是在实际中由于受到低计数率和一些物理噪声的影响,PET图像的分辨率低。传统的重建方法虽然具有成像速度快的优点,但其重建图像质量较差,分辨率依旧较低。为此本文将采用超分辨率算法,提高PET图像的分辨率。超分辨率图像重建是图像降采样过程的逆过程,即从多幅低分辨率图像中抽取有用信息来获取一幅高分辨率图像。由于模糊、扭曲、偏移等降采样因素导致图像很多高频信息损失,因此超分辨率图像重建问题是一个病态问题。通常采用正则化方法先引入先验信息对病态问题进行矫正。在正则化算法中,正则化参数的选择是尤为重要,不仅决定着算法的收敛速度是否便于实际应用,而且决定着重建图像是否具有现实意义。二十多年来,国际上出现了很多解决该问题的方法;近十年来成就突出,尤其是M.G.Kang等提出的线性正则化参数思想,进而产生了一系列线性相关的算法。而病态问题实际上为非线性正则化问题,因此本文提出了一系列非线性正则化函数,具体如下:非线性自适应正则化函数Ⅰ:2006年WF.Chen与M.Chen提出了自适应地正则化函数,在改进图像质量的同时减少了计算量。根据WF.Chen和M.Chen以及H.He与L.P.Kondi的相关理论基础,提出了一种自适应非线性正则化函数的重建算法,进而利用实验方法分析代价函数的凸性。通过数学理论,根据代价函数凸性我们得到自适应步长因子,从而改进了图像的空间分辨率,加快了算法的收敛速度。为验证该算法的有效性,采用光学图像进行实验。实验结果表明,自适应非线性正则化函数的重建算法是有效的。非线性自适应正则化函数Ⅱ:根据H.He和L.P.Kondi与R.C.Hardie,K.J.Barnard和E.E.Armstrong 1997年文献,提出了一种基于正则化参数的自适应线性斜率超分辨率算法。该算法通过对正则化线性斜率的自适应,更新动态优化代价函数,以降低对PET图像高频成份的抑制。为验证该算法的有效性,采用模拟PET序列图像进行实验。实验结果表明,新算法在改善图像空间分辨率上取得良好的效果。非线性自适应正则化函数Ⅲ:为获得高分辨率的MR图像,需要提高磁场梯度;同时由于传统扫描方式会减小像素体尺寸,从而降低了信噪比。结合E.S.Lee和M.G.Kang的算法,提出了包含先验信息的自适应正则化超分辨率MR图像重建算法。通常,采用非线性正则化参数对病态问题进行校正时,代价函数的凸性问题只有通过实验手段进行证明,很难从理论角度对进行论证。本算法中的非线性正则化参数的提出,使得的代价函数的凸性可以采用理论方法进行论证,确保代价函数具有全局最小值。根据体模图像重建结果可知,超分辨率重建技术可以提高MR图像分辨率。同时通过实验对比分析发现新算法要优于其他算法。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 引言
  • 1.1 超分辨率重建定义
  • 1.2 SR重建概述
  • 1.3 SR重建的用途
  • 1.4 作者的主要工作
  • 1.5 主要创新点
  • 参考文献
  • 第二章 超分辨率算法简介
  • 2.1 图像退化模型
  • 2.2 SR重建常用的方法
  • 2.2.1 频率域法
  • 2.2.2 迭代反投影
  • 2.2.3 凸集投射法
  • 2.2.4 最大后验
  • 2.2.5 最大似然法
  • 2.3 SR重建的问题
  • 参考文献
  • 第三章 自适应超分辨率图像重建算法
  • 3.1 引言
  • 3.2 实验模型与代价函数
  • 3.2.1 实验模型
  • 3.2.2 代价函数
  • 3.3 新算法
  • 3.4 新算法代价函数凸性分析
  • 3.5 实验结果与分析
  • 3.6 总结
  • 参考文献
  • 第四章 PET序列图像的超分辨率优质重建算法
  • 4.1 SR算法
  • 4.1.1 代价函数
  • 4.1.2 参数选择
  • 4.2 实验结果与分析
  • 4.3 小结与展望
  • 参考文献
  • 第五章 自适应正则化超分辨率MR图像重建
  • 5.1 引言
  • 5.2 代价函数
  • 5.3 正则化参数选择
  • 5.4 迭代算法
  • 5.5 实验与讨论
  • 5.5.1 MR图像采集设备及参数
  • 5.5.2 实验结果讨论
  • 5.6 总结
  • 参考文献
  • 第六章 总结与展望
  • 作者在攻读硕士学位其间发表的论文
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    医学图像自适应超分辨率重建算法的研究
    下载Doc文档

    猜你喜欢