基于超分辨率重建的OCT醫(yī)學(xué)圖像分割.pdf

1、光學(xué)相干層析技術(shù)(Optical Coherence Tomography, OCT)利用組織對光的散射特性對目標(biāo)成像，與傳統(tǒng)成像利用組織的阻光性和電磁特性相比，該項技術(shù)能夠快速、無損地獲得樣本的高分辨率斷層成像(分辨率可以達(dá)到微米級)。由于成像系統(tǒng)中存在各種噪聲干擾，OCT圖像噪聲強度大、對比度低、清晰度變差和邊緣模糊。因此，直接對OCT圖像進(jìn)行分割難度大，且難以實現(xiàn)精細(xì)準(zhǔn)確的分割。本文從圖像數(shù)據(jù)本身出發(fā)，針對小雞心管OCT圖像的邊緣

2、結(jié)構(gòu)模糊和細(xì)節(jié)信息不全等問題，從三個方面展開研究：
　　1)單幀OCT圖像的超分辨率重建。有效的邊緣增強是進(jìn)行OCT圖像精細(xì)分割的前提，第三章考慮從理論、建模及實驗三方面分步驟進(jìn)行，采用 KSVD算法對樣本進(jìn)行特征字典訓(xùn)練，同時對影響重建效果的正則化參數(shù)?以及字典大小進(jìn)行了研究，最后對實驗結(jié)果采用了RMSE、PSNR、SSIM和CNR進(jìn)行評價。結(jié)果表明采用基于特征學(xué)習(xí)的稀疏重建方法，由于利用了圖像的先驗邊緣特征信息，能夠較好的重構(gòu)

3、出圖像的邊緣和細(xì)節(jié)信息。
　　2)多幀OCT圖像的超分辨率重建。相對于單幀圖像的超分辨率重建，多幀圖像的重建需要考慮各幀圖像間存在的冗余和互異信息，以及各幀間的相對運動，這些特點為多幀圖像重建增添了更多可用的信息。第四章對兩種空域的多幀超分辨率算法POCS和IBP算法進(jìn)行了理論與實驗的分析和比較，結(jié)果表明基于空域的POCS算法將先驗知識引入到重建的過程中，能夠較好的對多幀低分辨率圖像進(jìn)行重建。
　　3)基于活動輪廓模型算法的

4、OCT醫(yī)學(xué)圖像分割。針對不同的應(yīng)用需要提取合理的圖像特征才能夠有效地區(qū)分目標(biāo)區(qū)域和非目標(biāo)區(qū)域，對于普通灰度圖像采用亮度特征就可以實現(xiàn)較好分割，對于紋理圖像可以采用直方圖特征，而OCT心管圖像對比度低，邊緣模糊，可以采用活動輪廓模型的算法(ACM)進(jìn)行分割。該算法采用適當(dāng)?shù)膬?nèi)部能量函數(shù)和外部能量函數(shù)來控制輪廓曲線的運動，以使初始化的輪廓曲線逼近目標(biāo)的實際邊緣，來達(dá)到分割圖像的目的。結(jié)果表明，采用基于 Chan-Vese和 Region S