磁共振图像处理算法的研究

磁共振图像处理算法的研究

论文摘要

磁共振成像技术由于具有成像参数多、分辨率高、无电离辐射损伤、可任意层面断层成像等特点而在医学上得到广泛的应用。但是,磁共振图像也具有成像时间长、软组织对比度不高、成像有噪声、有伪影等缺陷,这些缺陷严重阻碍了磁共振成像技术的推广和发展。为了克服磁共振图像的这些缺陷,本文从磁共振图像的增强和伪影校正这两个方面来展开对磁共振图像处理算法的研究。在磁共振图像的增强方面,本文对基于尺度相关性的阈值处理方法进行改进,实现对磁共振图像的增强。考虑到在同一幅图像中,图像的去噪、增强这两种操作会相互影响,造成图像的质量下降,基于磁共振图像的特点,本文对图像像素点按相似度区别对待,对当前基于小波多尺度积的图像增强算法进行改进,采用一种基于尺度相关性的阈值处理方法来对磁共振图像进行增强操作。实验证明,该方法能够在有效增强图像的同时,抑制甚至消除图像中的噪声。在磁共振图像伪影校正算法的研究上,本文将运动伪影分为平移运动伪影和旋转运动伪影两种,并分别进行研究。在平移运动伪影的校正方面:采用一种基于能量约束的方法,实现磁共振图像平移运动伪影的校正。在深入分析磁共振图像特点的基础上,提出基于能量约束的平移运动伪影校正算法,选取方向信息测度和磁共振图像非目标区0值像素点个数的组合作为能量约束函数。通过与目前研究较为成熟的自动逆向迭代校正算法进行对比实验,可知,本文算法在平移运动伪影的处理上,具有一定的优势。在旋转运动伪影校正方面:采用基于稀疏采样成像的方法,实现磁共振图像快速序列旋转运动伪影校正。考虑到磁共振图像旋转运动伪影的K空间数据被校正后,会出现数据分布不均匀的情况,若使用插值方法对数据空间进行填充,因填充方法的不同,会导致图像的重建效果不同,因此,本文选用稀疏采样成像方法。K空间数据具有变换稀疏性,可使用小波变换对K空间数据进行变换,得到具有稀疏性的数据空间,再进行稀疏采样成像。实验证明,本方法能够有效地校正磁共振图像的旋转运动伪影,且图像重建效果较好。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 研究意义
  • 1.2.1 磁共振图像增强去噪方法的研究意义
  • 1.2.2 磁共振图像运动伪影校正算法的研究意义
  • 1.3 国内外研究现状
  • 1.3.1 图像去噪和增强技术的国内外研究现状
  • 1.3.2 磁共振图像运动伪影校正技术的研究现状
  • 1.4 本文的主要工作及研究内容安排
  • 第2章 磁共振成像概述
  • 2.1 磁共振成像原理
  • 2.2 磁共振图像的噪声分析
  • 2.2.1 医学图像噪声概述
  • 2.2.2 赖斯分布介绍
  • 2.2.3 磁共振图像噪声的分布特性
  • 2.2.4 数学模拟磁共振图像加噪
  • 2.3 K 空间基础及图像重建
  • 2.4 磁共振图像的伪影分析
  • 2.4.1 平移运动伪影形成的原因
  • 2.4.2 旋转运动伪影形成的原因
  • 2.5 磁共振图像的品质因素
  • 2.6 本章小结
  • 第3章 小波多尺度增强去噪算法研究
  • 3.1 二进小波变换和多尺度边缘表示
  • 3.1.1 二进小波变换
  • 3.1.2 多尺度边缘表示
  • 3.2 小波多分辨率分析
  • 3.2.1 多分辨率分析
  • 3.2.2 Mallat 算法
  • 3.3 二进小波分析算法
  • 3.3.1 尺度相关性计算
  • 3.3.2 算法步骤
  • 3.4 实验结果及验证分析
  • 3.5 本章小结
  • 第4章 磁共振图像平移运动伪影校正
  • 4.1 平移运动伪影的后处理方法
  • 4.2 基于能量约束的磁共振图像平移运动伪影校正
  • 4.2.1 方向信息测度
  • 4.2.2 基于能量约束的平移运动伪影校正算法
  • 4.3 实验结果与分析
  • 4.4 本章小结
  • 第5章 磁共振图像旋转运动伪影校正
  • 5.1 旋转运动伪影后处理方法
  • 5.2 基于稀疏采样成像的磁共振图像旋转运动伪影校正
  • 5.2.1 旋转参数估计
  • 5.2.2 稀疏采样成像算法
  • 5.2.3 稀疏采样成像算法的改进
  • 5.2.4 算法实现过程
  • 5.3 实验结果与分析
  • 5.4 本章小结
  • 总结与展望
  • 参考文献
  • 攻读硕士学位期间所发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].数字图像处理算法概述[J]. 科技与创新 2020(19)
    • [2].模型驱动下图像处理算法优化研究[J]. 信息与电脑(理论版) 2019(20)
    • [3].星上迭代图像处理算法的FPGA实现研究[J]. 电子测量技术 2017(03)
    • [4].基于数字图像处理算法的皮肤测试仪[J]. 信息技术 2009(01)
    • [5].一种图像处理算法FPGA开发平台的系统设计[J]. 舰船电子工程 2008(08)
    • [6].视觉导航智能汽车路径识别图像处理算法分析[J]. 信息与电脑(理论版) 2020(18)
    • [7].基于小波钝化的嵌入式图像处理算法研究[J]. 液晶与显示 2016(11)
    • [8].一种基于阈值分割的自适应逆光图像处理算法[J]. 计算机与数字工程 2020(10)
    • [9].基于FPGA实现传真图像处理算法的方法[J]. 微电子学与计算机 2013(04)
    • [10].双目视觉图像处理算法的优化[J]. 科技传播 2017(05)
    • [11].基于压缩感知的图像处理算法研究[J]. 计算机科学 2017(06)
    • [12].基于快速稀疏低秩和鲁棒主成分分析的图像处理算法的研究[J]. 信号处理 2020(02)
    • [13].基于FPGA的红外图像处理算法的测试系统[J]. 激光与红外 2014(07)
    • [14].一种基于压缩感知的快速图像处理算法研究[J]. 软件工程 2016(10)
    • [15].一种优化的生物图像处理算法[J]. 控制工程 2017(08)
    • [16].基于GPU的数字图像处理算法研究[J]. 青春岁月 2012(14)
    • [17].基本图像处理算法的优化过程研究[J]. 计算机科学 2017(S1)
    • [18].基于NIOS嵌入式软核图像处理算法的研究[J]. 辽宁大学学报(自然科学版) 2012(01)
    • [19].基于整数小波变换的图像处理算法研究[J]. 湖南文理学院学报(自然科学版) 2010(01)
    • [20].白点定位图像处理算法[J]. 中国矿业大学学报 2008(06)
    • [21].基于GPU的数字图像处理算法[J]. 电子技术与软件工程 2016(19)
    • [22].基于达芬奇技术的收割机视觉导航图像处理算法试验系统[J]. 农业工程学报 2012(22)
    • [23].基于数学形态学的图像处理算法[J]. 电子技术与软件工程 2016(06)
    • [24].面向应用的数字图像处理课程的教学改革与实践[J]. 铜仁学院学报 2016(04)
    • [25].基于FPGA的视频图像处理算法的研究与实现[J]. 电子科技 2014(04)
    • [26].基于API的图像处理算法的快速实现[J]. 计算机系统应用 2010(02)
    • [27].煤矿井下压缩感知图像处理算法[J]. 工矿自动化 2016(11)
    • [28].基于图像处理算法AR游戏的设计[J]. 电子世界 2020(17)
    • [29].生物散斑技术在水果品质检测中的应用及图像处理算法进展[J]. 激光与光电子学进展 2019(09)
    • [30].基于动态减背景图像处理算法的可变形线性物体识别[J]. 天津科技大学学报 2013(06)

    标签:;  ;  ;  ;  ;  ;  

    磁共振图像处理算法的研究
    下载Doc文档

    猜你喜欢