稀疏表示理論在醫(yī)學影像處理與分析中的應用研究.pdf

1、近年來，信號處理領域的一個最新進展是稀疏表示理論。稀疏表示理論已被廣泛應用于圖像處理、計算機視覺和模式識別等方面。同時在醫(yī)學影像處理與分析領域，以稀疏表示理論為基礎的稀疏編碼方法和稀疏正則化方法也得到了廣大研究者的日益重視，運用稀疏方法能夠解決傳統(tǒng)醫(yī)學影像處理與分析技術中的許多問題。
　　醫(yī)學影像處理與分析主要包含醫(yī)學影像去噪、增強、分割和影像序列分析等技術。本論文在稀疏表示理論的基礎上研究了醫(yī)學影像處理與分析領域中的幾個問題，對

2、醫(yī)學影像去噪、影像增強和影像序列分析進行了討論，具體成果如下。
　　將斑點噪聲模型與圖像稀疏編碼相結(jié)合解決超聲醫(yī)學影像去噪問題。采用1/2稀疏編碼對影像數(shù)據(jù)進行描述以得到比傳統(tǒng)1編碼更為稀疏的表達形式。在Bayesian-MAP框架下，根據(jù)編碼的統(tǒng)計分布特點，設計合適的閾值收縮算法，實現(xiàn)對噪聲的抑制，達到恢復影像質(zhì)量的目的。實驗表明算法能有效地恢復醫(yī)學超聲影像，較好地抑制斑點噪聲，增強邊緣并保持細節(jié)效果。
　　研究了醫(yī)療影像

3、的偏差場自適應校正與增強問題。針對傳統(tǒng)校正增強方法對偏差場模型參數(shù)依賴等問題，分析了醫(yī)療成像中偏差場與觀測影像之間的聯(lián)系，提出實現(xiàn)影像增強的合理假設，在偏差場成像模型的基礎上，構(gòu)造了基于稀疏正則約束的自適應校正增強模型。增強模型包含雙正則項，分別采用全變差約束理想影像和梯度光滑性約束偏差場結(jié)構(gòu)，運用迭代演化觀測影像曲面的方法自適應地逼近偏差場，從而避免了估計偏差場模型參數(shù)，采用交替優(yōu)化方法尋優(yōu)達到校正增強目的。仿真與真實數(shù)據(jù)實驗驗證了該

4、算法能夠得到較好地實現(xiàn)醫(yī)學影像增強效果。
　　研究了醫(yī)學時序影像數(shù)據(jù)自動化分析技術，通過對傳統(tǒng)醫(yī)學影像序列因子分析方法進行討論，提出一種基于稀疏非負矩陣分解的影像序列因子分析方法。該方法針對傳統(tǒng)因子分析方法中出現(xiàn)的問題進行改進，解決了解的非負性并對解的結(jié)構(gòu)進行約束。在保證分解結(jié)果非負性的前提下，提出了既能夠描述醫(yī)學生理結(jié)構(gòu)獨立性，又能夠限制解的結(jié)構(gòu)稀疏正則約束項，進而構(gòu)造出新的因子分析模型。應用稀疏非負矩陣分解算法實現(xiàn)模型的數(shù)值求