作為一項典型的非侵入式檢測技術(shù),多光譜成像技術(shù)近期被引入到醫(yī)學(xué)診斷與治療領(lǐng)域。多光譜成像技術(shù)是通過發(fā)出不同波長光源能夠采集一組離散光譜圖像并反映位于不同眼底深度組織結(jié)構(gòu)的一種技術(shù),目前該技術(shù)已經(jīng)被廣泛應(yīng)用于多種視網(wǎng)膜、視神經(jīng)與脈絡(luò)膜疾病的早期識別與判別。針對多光譜眼底圖像的處理方法與技術(shù)既能夠改善多光譜圖像的成像質(zhì)量同時也可以進一步提高眼科醫(yī)生的診斷準(zhǔn)確度,但當(dāng)前針對多光譜眼底圖像處理的研究仍然非常少。這類研究均需要解決一個主要挑戰(zhàn),即在圖像采集過程中眼球與多光譜眼底成像設(shè)備間存在的相對運動,這一問題主要是由眼動所引起的相對運動造成不同光譜圖像間產(chǎn)生大幅度的空間位移。基于以上分析,我們提出了一系列針對多光譜眼底圖像的圖像配準(zhǔn)、圖像去模糊與圖像分割等圖像處理算法:首先,針對多光譜眼底圖像進行配準(zhǔn)操作過程中存在的兩大困難,即一方面由于不同光譜圖像是由不同波長的光線照射到不同深度的眼底組織所得到的,因此不同光譜圖像間的外觀差異巨大。另一方面與傳統(tǒng)的配準(zhǔn)方法僅需考慮兩幅圖像間的配準(zhǔn)操作不同的是,多光譜眼底圖像配準(zhǔn)需要對一組顯著多于兩幅的圖像進行配準(zhǔn)。基于以上分析,我們提出了一種全新的多模態(tài)圖像... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：92 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像配準(zhǔn)
        1.2.2 圖像去模糊
        1.2.3 特征選擇
        1.2.4 圖像分割
    1.3 研究目標(biāo)與研究內(nèi)容
    1.4 創(chuàng)新點
    1.5 研究計劃與論文組織結(jié)構(gòu)
第2章 基于眼底多光譜圖像的多模態(tài)配準(zhǔn)算法
    2.1 引言
    2.2 相關(guān)研究
        2.2.1 基于統(tǒng)計信息的相似度度量
        2.2.2 基于互信息的相似度度量
        2.2.3 基于空間模型的相似度度量
    2.3 基于眼底多光譜圖像的多模態(tài)配準(zhǔn)算法
        2.3.1 問題定義
        2.3.2 關(guān)鍵點檢測與相似度度量
        2.3.3 運動模型
        2.3.4 優(yōu)化
        2.3.5 算法總結(jié)
    2.4 實驗
        2.4.1 數(shù)據(jù)集
        2.4.2 實現(xiàn)及結(jié)果分析
    2.5 本章小結(jié)
第3章 基于互信息的眼底多光譜圖像去模糊算法
    3.1 引言
    3.2 相關(guān)研究
    3.3 基于互信息的眼底多光譜去模糊算法
        3.3.1 問題的定義
        3.3.2 正則約束項
        3.3.3 目標(biāo)函數(shù)
        3.3.4 聯(lián)合優(yōu)化求解
        3.3.5 算法總結(jié)
    3.4 實驗
        3.4.1 數(shù)據(jù)集與預(yù)處理
        3.4.2 采用人造模糊圖像的對比實驗
        3.4.3 采用實際模糊圖像的對比實驗
        3.4.4 實驗結(jié)果分析
    3.5 本章小結(jié)
第4章 基于光譜不一致的眼底多光譜圖像分割算法
    4.1 引言
    4.2 相關(guān)研究
    4.3 基于光譜不一致性的圖像分割算法
        4.3.1 問題定義
        4.3.2 優(yōu)化求解
        4.3.3 參數(shù)設(shè)定
    4.4 實驗
        4.4.1 數(shù)據(jù)集
        4.4.2 對比實驗結(jié)果
        4.4.3 實驗結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻
攻讀博士學(xué)位期間的主要成果
致謝


【參考文獻】：
期刊論文
[1]改進的超拉普拉斯約束的單幅圖像去模糊算法[J]. 秦緒佳,柯玲玲,范穎琳,鄭紅波,張美玉.  小型微型計算機系統(tǒng). 2018(05)
[2]基于多通道稀疏編碼的非剛性多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)[J]. 王麗芳,成茜,秦品樂,高媛.  計算機應(yīng)用. 2018(04)
[3]基于分裂Bregman方法的全變差圖像去模糊[J]. 王靜,呂科,何寧,王茜.  電子學(xué)報. 2012(08)
[4]醫(yī)學(xué)圖像配準(zhǔn)技術(shù)進展[J]. 李雄飛,張存利,李鴻鵬,臧雪柏.  計算機科學(xué). 2010(07)
[5]基于免疫編碼的圖像特征選擇方法[J]. 曹瓊,鄭紅,李行善.  電子學(xué)報. 2009(03)
[6]基于共生互信息量的醫(yī)學(xué)圖像配準(zhǔn)[J]. 盧振泰,陳武凡.  計算機學(xué)報. 2007(06)
[7]基于改進的大津方法與區(qū)域生長的醫(yī)學(xué)圖像分割[J]. 姜慧研,司岳鵬,雒興剛.  東北大學(xué)學(xué)報. 2006(04)
[8]聯(lián)合小波域和頻域的圖像去模糊算法[J]. 譚毅華,于秋則,田金文,柳健.  信號處理. 2004(06)
[9]一種基于視覺特性的圖像盲去模糊方法[J]. 蔣金山,余英林,陸子強,郭國雄.  計算機科學(xué). 2003(09)
[10]基于形狀特征點最大互信息的醫(yī)學(xué)圖像配準(zhǔn)[J]. 周永新,羅述謙.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2002(07)



本文編號：3616370