基于稀疏理論的醫(yī)學(xué)圖像超分辨率重建算法的研究與應(yīng)用.pdf

1、現(xiàn)代醫(yī)學(xué)技術(shù)日益發(fā)展，其中很大一部分得力于醫(yī)學(xué)影像技術(shù)的日漸成熟。醫(yī)學(xué)影像包括CT(Computed Tomography)技術(shù)、MRI(Magnetic Resonance Imaging)技術(shù)、超聲技術(shù)等，這些技術(shù)使得醫(yī)生足以充分了解患者內(nèi)部病理結(jié)構(gòu)，從而制定精確治療方案，具有重大的診斷意義。
　　然而這些醫(yī)學(xué)影像并不是直接拍攝獲取的，往往是由X線束、γ射線、超聲波穿透人體，由傳感器獲取的數(shù)據(jù)經(jīng)過重建算法獲取得到。因此它存在兩

2、個缺陷:一是醫(yī)學(xué)影像的分辨率受到放射劑量的影響，高放射劑量容易獲取更高的分辨率，但是高劑量對人體產(chǎn)生更大的傷害;二是醫(yī)學(xué)圖像的分辨率和醫(yī)學(xué)儀器硬件和重建算法緊密相關(guān)，高分辨率意味著高昂的硬件成本和軟件成本。本文為解決諸上矛盾需求，對醫(yī)學(xué)圖像超分辨率重建算法展開了深入的研究。
　　本文主要基于稀疏表示(Sparse Representation)理論以及形態(tài)分量分析(Morphological Component Analysis)

3、，對醫(yī)學(xué)圖像的超分辨率重建做了大量針對性的研究。主要內(nèi)容有:
　　1、闡述了醫(yī)學(xué)圖像的低分辨率成像模型，作為本文超分辨率重建仿真的理論基礎(chǔ)，介紹超分辨率重建效果的指標。然后闡述了基本插值算法以及目前較前沿的插值算法技術(shù)。最后闡述了稀疏表示理論的概念、基礎(chǔ)以及在圖像領(lǐng)域的主要應(yīng)用。
　　2、展開對基于分解插值重建的圖像超分辨率研究。簡要介紹了圖像分解領(lǐng)域的三個個主要技術(shù)——小波分解、變分理論以及形態(tài)分量分析(MCA)，闡述他們

4、的異同點及優(yōu)缺點。對醫(yī)學(xué)圖像進行MCA分解，針對醫(yī)學(xué)圖像不同的形態(tài)分量采取不同的插值算法，最終合成高分辨率圖像。在MCA分解過程中提出噪聲估計、自適應(yīng)過濾噪聲的改進。
　　3、展開對基于學(xué)習的圖像超分辨率研究。在稀疏字典學(xué)習基礎(chǔ)上，利用MCA分解，選擇形態(tài)分量作為特征，充分利用圖像的紋理特征和幾何結(jié)構(gòu)特征，優(yōu)化字典學(xué)習。同時提出成像模型矯正算法，對超分辨率重建結(jié)果進行后處理，提升超分辨率重建效果。
　　4、超分辨率技術(shù)在遠程