欢迎来到天天文库
浏览记录
ID:31475633
大小:1.20 MB
页数:4页
时间:2019-01-11
《基于组稀疏表示的医学图像超分辨率重建》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第42卷第6A期2015年6月计算机科学ScienceV01.42No.6AJune2015基于组稀疏表示的医学图像超分辨率重建黄浩锋肖南峰(华南理工大学计算机科学与工程学院广州510006)摘要在大量的医学图像处理过程中,由于现有的硬件设备和成像技术的限制,还不能够获取满足高要求的清晰图像。因此,在现有的硬件设备和成像技术下获取的医学图像需要进行超分辨率的重建处理。在基于稀疏表示单帧图像超分辨的基础上,针对医学图像具有明显的重复结构等特点,提出了一种基于组稀疏的单帧医学图像超分辨算法。并且结合GroupLas
2、so算法和K—SVD算法,提出了一种新的字典训练算法。实验结果分析和比较证实提出的算法在性能指标上比现有的其它凡种方法均有所提高。关键词医学图像,超分辨重建,字典,组稀疏中图法分类号TP391.41文献标识码ASuper-resolutionReconstructionofMedicalImagesBasedOnGroupSparseRepresentationHUANGHao-fengXIAONan-feng(SChoolofComputerScienceandEngineering,SouthCh
3、inaUniversityofTechnology,Guangzhou510006,China)AbstractMedicaldiagnosisneedsalotofmedicalimageprocessing.Duetothetechnologicalandeconomicallimits,themedicaldiagnosisisnotabletOgettheclearmedicalimages.Therefore,itisnecessarytOreconstructthemedicalim
4、ageswithsuperlresoIutionmethods.Basedonsuper-resolutionreconstructionofsingleimagebythesparsecoding,andcon—sideringthatthereareobviouslyrepetitiveimagestructuresinthemedicalimages,thispaperproposedareconstructionmethodforthesupcr-resolutionmedicalimagesb
5、asedonthegroupsparserepresentation.Inaddition,thispaperalsopresentedandictionarytrainalgorithmwhichcombinestheGroupLassowithK-SVD.Theexperimentalresultsindicatethattheproposedalgorithmshavehigherperformancethanthatoftheexistingmethods.KeywordsMedicalimage,
6、Super-res01utionreconstruction,Dictionary,Groupsparse1引言的方法是通过建立图像降质的物理模型,假设原始高分辨率图像经几何变换、模糊和降采样操作后得到低分辨率图像,最医学上需要做大量的医学图像处理,这些图像包括人们熟知的X射线图像、超声波图像、核磁共振图像等。但是由于硬件设备及现有的成像技术的限制,还不能够获取满足高要求的清晰图像。因此,需要对这些图像进行超分辨率重建处理,以便获得更高质量和精度的图像,这样就能更容易地识别出病体的精确位置和了解更详细的情况(如
7、阴影的边缘等),从而为辅助诊断提供更精确的线索。图像超分辨率重建是一种从单帧或多帧低分辨率图像重建出高分辨率图像的技术。图像超分辨率重建广泛应用于医学图像,高分辨率图像在医学图像诊断中有很高的应用价值。但由于成像器件、成像环境等限制,有时获取高分辨率图像难度很大,成本很高。目前,获得高分辨率图像的主要方法之一是超分辨率图像重建技术。根据使用的低分辨率图像帧数,可将超分辨率图像重建技术分为基于多帧图像的超分辨率重建[1≈]和基于单帧图像的超分辨率重建[4-10]。基于重建的多帧超分辨率方法的基本思想是应用信号处理技术,
8、从多帧低分辨率图像中提取高频信息来重建高分辨率图像。基于重建终利用多帧低分辨率图像来反演高分辨率图像。由于降质模型中的参数很难确定,特别是图像间亚像素级的配准参数,因此这类方法提高图像分辨率的能力有限。近年来,基于学习的超分辨率重建引起了广泛的关注,它是通过对一系列的高、低分辨率图像的学习,建立它们之间的关系,将这种关系作为先验知识来指导超分
此文档下载收益归作者所有