適用于無線膠囊內(nèi)鏡圖像的TV模型圖像處理技術(shù).pdf

1、作為生物醫(yī)療領(lǐng)域全新的技術(shù)突破，膠囊內(nèi)鏡以其無痛、無創(chuàng)傷、可全程檢測，尤其是攻克了傳統(tǒng)消化道疾病難以檢查小腸部位的盲區(qū)等優(yōu)點，成為臨床醫(yī)學(xué)研究的熱點技術(shù)，其臨床檢測的有效性也逐步獲得醫(yī)學(xué)界的認(rèn)同。但是，一次膠囊內(nèi)鏡檢測會產(chǎn)生上萬張圖片，從這些海量數(shù)據(jù)中篩選出異?；虿∽儓D像，成為臨床醫(yī)生面臨的一項繁重任務(wù)。所以，結(jié)合膠囊內(nèi)鏡彩色圖像處理技術(shù)，提高改善圖片的質(zhì)量，縮短醫(yī)生閱片時間，提高診斷準(zhǔn)確率，成為膠囊內(nèi)鏡圖像臨床輔助診斷亟待解決的問題，

2、也逐步成為醫(yī)學(xué)圖像處理中的一個熱點研究方向。論文對無線膠囊內(nèi)鏡彩色圖像處理中的若干關(guān)鍵問題進(jìn)行了分析和研究，利用文中提出的改進(jìn)的算法及模型，提高了圖像品質(zhì)，增強了無線膠囊內(nèi)鏡圖像對于臨床醫(yī)生的輔助診斷功能，大大減少了臨床醫(yī)生的診斷時間，有效地提高了診斷準(zhǔn)確率和有效性。
　　 腸胃內(nèi)部比較黑暗復(fù)雜的環(huán)境以及圖像在采集和無線傳輸過程中不可避免的受到外界的影響和干擾，容易導(dǎo)致圖像被噪聲污染，或受到不同程度的模糊，或者既被噪聲污染又被模

3、糊，從而導(dǎo)致圖像品質(zhì)下降，對臨床醫(yī)生及后期的計算機輔助診斷會產(chǎn)生諸多不利影響。因此，對無線膠囊內(nèi)鏡醫(yī)學(xué)圖像進(jìn)行去噪聲、去模糊、盲去模糊以及圖像病變區(qū)域的提取等數(shù)字圖像預(yù)處理技術(shù)日益成為臨床輔助診斷過程中亟待解決的關(guān)鍵問題。
　　 本文通過對全變差框架理論系統(tǒng)的研究分析，提出了一種適用于無線膠囊內(nèi)鏡圖像處理技術(shù)，主要包括圖像去噪聲、去模糊、在卷積算子未知的情況下盲去模糊以及圖像的分割等相關(guān)問題。本論文組織結(jié)構(gòu)主要包含以下幾部分內(nèi)容

4、：
　　 (1)分析了基于全變差框架圖像處理中的一些基本問題及相關(guān)工作，主要包括圖像去噪聲、圖像去模糊、圖像的盲去模糊以及基于水平集的圖像分割等方面。各章節(jié)首先分析現(xiàn)有最新權(quán)威算法的優(yōu)缺點，然后闡述所提出的解決方案，建立相應(yīng)的基于全變差框架的模型，之后進(jìn)行理論推導(dǎo)、算法數(shù)值實現(xiàn)，并在每一章節(jié)最后與目前權(quán)威經(jīng)典算法進(jìn)行了驗證對比。
　　 (2)討論了基于全變差的圖像去噪模型以及目前算法存在的缺陷與弊端。傳統(tǒng)圖像去噪算法模型

5、中均衡參數(shù)均為常數(shù)，與圖像本身的信息無關(guān)。但在研究全變差模型時發(fā)現(xiàn)，均衡參數(shù)在模型中起著至關(guān)重要的調(diào)節(jié)作用。均衡參數(shù)選得過小或過大容易導(dǎo)致圖像去噪去模糊程度不夠或者是去噪去模糊過度，使圖像的紋理細(xì)節(jié)信息被平滑掉。傳統(tǒng)算法均未明確提出如何確定一個合理的或最優(yōu)的均衡參數(shù)數(shù)值的方法，所以發(fā)展一個具有均衡參數(shù)自動最優(yōu)選擇能力的去噪算法將會對提高算法的去噪性能及其自適應(yīng)具有重要的實用價值。本文提出一種新的二分法技術(shù)來實現(xiàn)自動尋找最優(yōu)的均衡參數(shù)值，

6、并把算法擴(kuò)展到彩色圖像的去噪聲問題上。實驗結(jié)果表明，由于所采用的二分法所具有的快速收斂性，本章所提出的算法可以很快確定最優(yōu)均衡參數(shù)數(shù)值，從而提高算法的去噪聲性能及自適應(yīng)性。最后通過仿真實驗對結(jié)合了二分法以后的各種去噪方法的優(yōu)劣以及對參數(shù)的魯棒性進(jìn)行了對比。實驗對比結(jié)果表明，改進(jìn)的算法收斂速度快，可以自動尋找最優(yōu)均衡參數(shù)。在處理彩色圖像去噪問題時，充分考慮了彩色圖像通道間的耦合作用，最大程度地保護(hù)了圖像的紋理信息。通過仿真實驗結(jié)果對比發(fā)現(xiàn)

7、，改進(jìn)算法的去噪聲效果優(yōu)于其他算法。
　　 (3)在研究分析了Beck-Teboulle基于快速梯度投影法的去模糊算法的基礎(chǔ)上，提出了圖像去模糊的新模型。新模型摒棄了傳統(tǒng)圖像去模糊算法計算量大、耗時長的弊端，降低了算法的運算復(fù)雜度，提高了收斂速度。但和目前的圖像去模糊算法一樣，去模糊算法數(shù)學(xué)模型中均衡化參數(shù)同樣沒有結(jié)合圖像的統(tǒng)計學(xué)信息，影響了圖像的去模糊效果。為了克服這個缺點，在去模糊數(shù)學(xué)模型中同樣引入了第三章提出的二分法技術(shù)，

8、使得均衡參數(shù)能夠根據(jù)圖像的統(tǒng)計學(xué)信息，自動選擇均衡參數(shù)最優(yōu)值。結(jié)合圖像的去模糊數(shù)學(xué)模型，對二分法技術(shù)做了嚴(yán)密的理論推導(dǎo)，并將該算法成功擴(kuò)展應(yīng)用到彩色無線膠囊內(nèi)鏡圖像去模糊處理上。實驗結(jié)果表明，結(jié)合了二分法技術(shù)的圖像去模糊新算法，可以很快確定最優(yōu)均衡參數(shù)數(shù)值，收斂速度快，恢復(fù)得到的圖像質(zhì)量高，從而提高算法的去模糊性能及自適應(yīng)性。
　　 (4)討論了圖像的盲去模糊問題。圖像的普通去模糊問題是在卷積算子信息已知的情況下恢復(fù)降質(zhì)圖像。因

9、為圖像的去模糊數(shù)值求解過程中，牽扯到卷積算子的反演計算，屬于一類病態(tài)問題，所以它一直是圖像處理領(lǐng)域比較前沿并且具有一定挑戰(zhàn)性和難度的研究方向和課題。傳統(tǒng)基于全變差框架盲去模糊算法，均利用交替迭代最小化算法實現(xiàn)圖像的盲去卷積，這導(dǎo)致圖像恢復(fù)和卷積算子的確定總存在一定時間上的延遲，不能同時恢復(fù)圖像和卷積算子。數(shù)值實現(xiàn)上的迭代延遲導(dǎo)致了圖像恢復(fù)的過程中，將會在一定程度上損失一些圖像的紋理細(xì)節(jié)以及邊緣信息。針對這個問題，基于Beck-Tebou

10、le的算法和內(nèi)積空間知識，本文提出了一個新的基于全變差框架的盲去模糊算法模型，把圖像和卷積算子看做為兩個獨立的未知變量，運用了現(xiàn)有快速梯度投影算法的思想，實現(xiàn)了同時恢復(fù)圖像和卷積算子，最后成功的將該算法擴(kuò)展應(yīng)用到彩色無線膠囊內(nèi)鏡圖像上。實驗結(jié)果表明，該算法因為充分利用了圖像和卷積算子的信息，所以優(yōu)化得到的圖像和卷積算子的絕對誤差均明顯小于其他算法，并且新算法具有更好的魯棒性、穩(wěn)定性和更快的收斂速度。
　　 (5)討論了經(jīng)典的主動

11、輪廓C-V模型和測地學(xué)Geodesic Active Contours(GAC)模型。就C-V模型的優(yōu)缺點進(jìn)行了分析，并分析兩種模型存在的缺點：(1)水平集曲線在演化的過程中必須不斷的進(jìn)行初始化，以確保零水平集函數(shù)不會遠(yuǎn)離符號函數(shù)；(2)初始水平集函數(shù)必須包括被分割的目標(biāo)物體；(3)對于噪聲和模糊比較敏感，且深度凹陷物體及弱邊緣圖像檢測效果不理想。結(jié)合C-V模型和GAC模型，提出一種改進(jìn)的單相水平集圖像分割模型，引入邊緣檢測函數(shù)，提高了

12、算法收斂速度以及算法檢測圖像弱邊界的能力；改變了傳統(tǒng)算法中面積項的權(quán)重系數(shù)為常數(shù)的弊端，將該權(quán)重系數(shù)和圖像信息充分結(jié)合，使演化曲線能夠根據(jù)該信息及時調(diào)整曲線演化方向。內(nèi)部能量項的引入，避免了初始化零水平函數(shù)的過程，并且初始化水平基函數(shù)的位置可以在任意位置，不必包圍被分割的目標(biāo)物體。該模型同時兼具GAC模型和C-V模型的優(yōu)勢，并且對于強噪聲和模糊具有比較強的適應(yīng)性和魯棒性，能夠更好檢測多物體輪廓、弱邊緣以及深度凹陷輪廓?；谕瑯拥乃枷?，對