学位论文 > 优秀研究生学位论文题录展示
基于压缩感知的OCT图像稀疏重建
作 者: 刘晨轶
导 师: 别红霞
学 校: 北京邮电大学
专 业: 信号与信息处理
关键词: 压缩感知 光学断层图像 最优化算法 稀疏采样
分类号: TP391.41
类 型: 博士论文
年 份: 2013年
下 载: 195次
引 用: 0次
阅 读: 论文下载
内容摘要
在许多现代信号处理应用中,由于需要采集的数据量较大,以奈奎斯特采样定理为基础的传统采样方式已经不能满足实际应用的需要。光学相干断层扫描成像(Optical coherence tomography:OCT)由于需要对病变部位进行反复多角度多层次的深度扫描以获得较高分辨率图像,而长时间的扫描会给病人带来较高的辐射;同时,长时间成像中病人病变部位的抖动也会造成运动模糊,成像时间和成像质量之间的矛盾越来越突出。如何能够在较少的采样量的条件下,对OCT图像进行完整精确的图像重建,已经成了近年来医学图像领域内的研究热点。2006年以来提出的压缩感知(Compressed sensing:CS)技术能够以低于奈奎斯特定律的速率来进行采样。通过设计一定的随机采样矩阵,并对采样信号进行稀疏建模,通过稀疏重建算法进行图像的稀疏重建。OCT图像细节变化剧烈,结构比较复杂,目前关于OCT图像稀疏建模的研究较少。论文围绕OCT图像的稀疏采样重建问题开展研究,建立了OCT图像的稀疏表示模型,并提出了相应的稀疏重建算法以及稀疏采样方式,成功地将压缩感知技术引入到OCT图像稀疏重建。论文的主要工作和创新在于:1.提出了一种OCT图像的稀疏表达模型本论文针对OCT图像本身的图像特点及特征进行了系统分析,提出了一种基于区域差分的稀疏表达模型。此模型利用OCT图像的结构相似性,可以有效地对OCT图像进行稀疏表达。研究结果表明,采用这种新的基于区域差分的系数表达模型,相比其他常用的稀疏表示模型,可以有效地降低重建所需的采样数目,在同样的采样数目条件下可以获得更好的重建效果。2.提出了一种基于区域差分稀疏变换的CS最优化求解算法在前面研究的基础上,本论文提出了一种基于区域差分稀疏表示模型的非局部同伦l0最小化稀疏重建算法,通过用同伦非局部滤波代替l0最小化算法进行迭代求解,可以有效降低重建时间,提高运算效率。实验证明,在40%稀疏采样的条件下,本文提出的重建算法在图像重建质量和重建效率上与原有算法相比均有较大提高。3.提出了一种基于能量密度分布的非均匀采样机制通过对图像能量谱分布的进一步分析,本文提出了一种根据信号能量密度分布特点进行自适应非均匀采样的采样机制。由于采样数目和采样时间直接正相关,要求采样数目越少越好。经研究OCT图像的信号分布特性,其能量绝大部分集中于某一区域,在此区域进行高密度采样,而在能量分布较少的区域进行低密度采样,既可以有效降低采样数目,同时可以保证有效信息不被遗漏。实验证明,这种新的基于能量密度分布的自适应采样机制,可以在相同的采样数目条件下,重建得到更好的OCT图像。以上研究成果,分别以学术论文的形式发表在IEEE的相关期刊和会议论文集上。
|
全文目录
摘要 4-6 ABSTRACT 6-11 第1章 绪论 11-30 1.1 论文研究背景 11-13 1.2 研究现状 13-19 1.2.1 信号的稀疏性表示 14-16 1.2.2 随机测量矩阵研究现状 16-17 1.2.3 压缩传感的重建算法研究现状 17-19 1.3 OCT图像成像原理 19-22 1.4 论文主要内容及创新 22-23 1.5 论文组织结构 23-26 参考文献 26-30 第2章 CS基本概念与理论研究 30-55 2.1 引言 30-34 2.2 稀疏表示问题模型 34-36 2.3 随机测量矩阵 36-38 2.4 最优化重建算法 38-49 2.4.1 贪婪算法 42-46 2.4.2 其他最优化求解算法 46-49 2.5 本章小结 49-50 参考文献 50-55 第3章 OCT图像的稀疏表示模型 55-81 3.1 引言 55-56 3.2 稀疏编码理论分析 56-59 3.3 信号(图像)的稀疏表示 59-70 3.3.1 引言 59-62 3.3.2 总变分稀疏表示模型 62-65 3.3.3 小波稀疏表示模型 65-68 3.3.4 区域差分稀疏表示模型 68-70 3.4 实验结果分析 70-77 3.5 本章小结 77-78 参考文献 78-81 第4章 基于区域差分稀疏表示模型的重建算法 81-105 4.1 引言 81-82 4.2 基于非局部稀疏变换的重建算法 82-87 4.2.1 l_p范数最小化 82-84 4.2.2 HNLR重建算法 84-87 4.3 实验结果分析 87-101 4.4 本章小结 101-102 参考文献 102-105 第5章 基于能量导向性的OCT图像稀疏重建 105-123 5.1 能量采集模型 105-107 5.2 能量导向采样模型的实现 107-109 5.3 能量导向性非均匀稀疏采样重建结果分析 109-120 5.4 本章小结 120-121 参考文献 121-123 第6章 总结与展望 123-125 6.1 论文总结 123-124 6.2 进一步的研究工作 124-125 缩略语 125-126 致谢 126-127 博士在读期间已发表和在投论文列表 127
|
相似论文
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
- 一类多项式系统的稳定性分析和控制器综合,O231
- 基于部分K空间数据的并行磁共振成像,R445.2
- 压缩感知在无线通信网络异常事件检测中的应用研究,TN929.5
- 基于随机矩阵理论和压缩感知的合作频谱感知技术研究,TN925
- 压缩感知中信号重构算法的研究,TN911.6
- 基于压缩感知的认知无线电频谱检测技术及其研究,TN925
- 压缩感知在无线传感网中的应用研究,TN929.5
- 基于压缩感知的语音信号编码技术研究,TN912.3
- 无线传感器网络中视频编码的跨层优化研究,TN919.81
- 无线传感器网络中分布式压缩感知关键技术,TN929.5
- 基于压缩感知的多径信道估计及其研究,TN925
- 基于压缩感知的语音稀疏基和投影矩阵构造技术的研究,TN919.8
- 基于稀疏表示的语音信号的最佳投影与其重构技术的研究,TN912.3
- 宽带无线通信中基于压缩感知的信道估计研究,TN92
- OFDM系统中的信道估计技术研究,TN919.3
- 蜂窝网络中基于流量预测的节能关键技术研究,TN929.53
- 基于压缩感知的频谱检测算法的研究,TN925
- 压缩感知算法及其在矢量量化中的应用,TN911.7
- 基于压缩感知的信号恢复算法研究,TN911.7
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|