基于广义模糊吉布斯场的图像恢复与医学图象重建

论文摘要

图象恢复问题一直是图象处理领域的一个重要分支之一。由于图象退化的原因很多且作用机制各不相同，因此，要得到理想的复原图象，需要对退化原因进行分析并建立合适的数学模型，然后利用计算机实现。早期图象恢复技术受计算机条件限制，模型相对简单，因而恢复效果也有限。近20年来，随着计算机技术的飞速发展，图象恢复技术也取得了相当大的进步，形成了一个较为完整的研究体系。目前，图象恢复算法种类繁多，不过，从实现过程上来看，这些算法大体可以分为两大类：线性和非线性。其中线性解法中较经典的有逆滤波、维纳滤波、卡尔曼滤波等，以及近十几年来应用的较为广泛的解法——图象正则化恢复方法；而一些基于最大熵恢复、最大后验恢复、马尔可夫或吉布斯随机场理论的恢复方法则属于非线性解法。同时，为了合理评估图象恢复的结果，一些基于各种退化模型的判别准则也随之建立起来，如最小均方误差准则、最大熵准则、最大似然准则以及最大后验准则等。 在经典图象恢复算法中，逆滤波是一种最简单最直接的算法。但由于该算法不能有效控制噪声，从而局限了其实际应用范围。为了弥补该方法的不足，人们陆续提出了一些改进方法，不过这些方法都人为地对退化模型进行改动，图象恢复质量难以提高。维纳滤波是一种基于最小均方误差准则的一种图象恢

论文目录

• 摘要
• Abstract
• 第一章 边缘保持正则化图象恢复
• 1.1 图象恢复简介
• 1.1.1 概述
• 1.1.2 几种图象退化具体模型
• 1.2 图象恢复基本判别准则
• 1.2.1 最小均方误差准则
• 1.2.2 最大熵准则
• 1.2.3 最大似然估计
• 1.2.4 最大后验准则
• 1.3 基本图象恢复算法
• 1.3.1 逆滤波
• 1.3.2 维纳滤波
• 1.3.3 约束最小平方恢复
• 1.3.4 卡尔曼滤波
• 1.4 正则化图象恢复
• 1.4.1 简介
• 1.4.2 基于空域的正则化图象恢复
• 1.4.3 广义交叉确认
• 1.5 正则化参数自适应选择的改进及边缘保持正则化图象恢复
• 第二章 基于模糊Gibbs场的图象恢复
• 2.1 吉布斯随机场
• 2.1.1 概述
• 2.1.2 基本定义
• 2.2 常用的GRF模型
• 2.2.1 自动模型
• 2.2.2 多级逻辑模型
• 2.2.3 平滑先验模型
• 2.3 基于Gibbs场的图象恢复
• 2.4 模糊Gibbs场模型
• 2.5 基于模糊Gibbs场的图象恢复模型
• 第三章 基于广义模糊Gibbs场的边缘增强图象恢复与SPECT图象重建
• 3.1 广义模糊集合概论及广义模糊Gibbs场
• 3.1.1 广义模糊集合论
• 3.1.2 广义模糊Gibbs场
• 3.2 基于广义模糊Gibbs场的边缘增强图象恢复
• 3.3 医学图象重建基础
• 3.3.1 概述
• 3.3.2 SPECT成象原理
• 3.3.3 雷登变换
• 3.3.4 迭代投影重建
• 3.3.5 滤波反投影
• 3.4 基于广义模糊Gibbs场的SPECT图象重建
• 第四章 实验结果
• 4.1 信噪比
• 4.2 表
• 4.3 图象
• 4.3.1 图象恢复部分
• 4.3.2 图象重建部分
• 参考文献
• 中英文对照缩略词表
• 结束语
• 致谢
• 学位论文原创性声明
• 学位论文版权使用授权书