近年來,人們的飲食習慣日趨惡劣,胃腸病的發(fā)病率也日漸升高,電子內(nèi)窺鏡作為現(xiàn)代腸胃科最為重要的腸胃病輔助診斷工具也漸漸被人們所熟知。而受限于多方面的技術(shù)問題,現(xiàn)有的電子內(nèi)窺鏡成像精度較低,給醫(yī)生確診帶來了很大的難題,因此,研究電子內(nèi)窺鏡的改造升級,提升成像速度和重構(gòu)成像精度具有很大的研究價值和現(xiàn)實意義。本文針對電子內(nèi)窺鏡視頻流中幀和幀之間結(jié)構(gòu)較為相似的特點,以目前信號處理領(lǐng)域先進的壓縮感知（Compressed Sensing,CS）理論作為切入點,指出了現(xiàn)有CS圖像處理框架中字典學習耗時較長、魯棒性較差和重構(gòu)精度不足等問題,并針對這些缺點設計了一種基于多字典改進型壓縮感知框架的內(nèi)窺鏡圖像感知重構(gòu)方法。傳統(tǒng)壓縮感知理論下單字典學習需要一次性使用整個數(shù)據(jù)集,字典訓練耗時長且魯棒性一般,因此本文提出使用多字典結(jié)構(gòu)來解決這個問題。另外,內(nèi)窺鏡圖像尺寸往往較大,包含了很多紋理細節(jié)特征,傳統(tǒng)的感知矩陣設計方法不能滿足這么復雜的性能需求,本文提出基于多字典平均梯度下降的魯棒感知矩陣設計方法,大幅度提高了內(nèi)窺鏡重構(gòu)性能,最后基于多字典平均結(jié)構(gòu)進行圖像信號的整合重構(gòu)。研究具體內(nèi)容如下:（1）針對內(nèi)窺鏡圖... 

【文章來源】：浙江工業(yè)大學浙江省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號說明
第一章 緒論
    1.1 問題背景和研究意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 內(nèi)窺鏡發(fā)展歷史和基本框架
        1.2.2 壓縮感知發(fā)展史和研究現(xiàn)狀
        1.2.3 壓縮感知的應用
    1.3 本文的主要研究工作
    1.4 本文的組織結(jié)構(gòu)
第二章 壓縮感知基本理論
    2.1 范數(shù)
    2.2 基和框架
        2.2.1 基
        2.2.2 正交基
        2.2.3 框架
    2.3 稀疏表示和字典
    2.4 壓縮感知基本原理和框架
    2.5 等效字典
        2.5.1 零空間性質(zhì)
        2.5.2 受限等距性質(zhì)
        2.5.3 RIP字典
        2.5.4 互相干性
    2.6 字典學習
        2.6.1 字典設計流程
        2.6.2 K-SVD算法
    2.7 感知矩陣設計
    2.8 本章小結(jié)
第三章 多字典和魯棒感知矩陣設計
    3.1 內(nèi)窺鏡圖像處理多字典系統(tǒng)
        3.1.1 多字典學習
        3.1.2 多字典重構(gòu)
        3.1.3 多字典重構(gòu)收斂性證明
    3.2 魯棒感知矩陣設計
        3.2.1 平均互相干
        3.2.2 魯棒感知矩陣設計
    3.3 基于多字典的平均梯度下降感知矩陣優(yōu)化
        3.3.1 感知矩陣非凸優(yōu)化相關(guān)工作
        3.3.2 多字典平均梯度下降（AGD）優(yōu)化非凸函數(shù)
        3.3.3 多字典優(yōu)化重構(gòu)內(nèi)窺鏡處理框架
        3.3.4 聯(lián)合優(yōu)化的收斂性證明
    3.4 本章小結(jié)
第四章 多字典改進型CS系統(tǒng)性能仿真
    4.1 引言
    4.2 多字典平均梯度下降（AGD）性能測試
    4.3 人工合成信號測試
        4.3.1 權(quán)重參數(shù)λ的影響測試
        4.3.2 合成數(shù)據(jù)重構(gòu)精確度測試
        4.3.3 不同感知矩陣優(yōu)化算法的理論評估
    4.4 內(nèi)窺鏡圖像測試
        4.4.1 權(quán)重參數(shù)的選取
        4.4.2 M、L、K參數(shù)對算法性能的影響測試
        4.4.3 內(nèi)窺鏡圖像重構(gòu)性能測試
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻
致謝
作者簡介
    1 作者簡歷
    2 發(fā)明專利
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]基于圖像塊分類與自適應多字典學習的圖像壓縮感知[J]. 潘菲菲,楊濟民.  電腦知識與技術(shù). 2018(05)
[2]消化道內(nèi)窺鏡診斷技術(shù)發(fā)展趨勢與進展[J]. 孫凱,劉洪英,徐忠,賈子如,皮喜田.  醫(yī)療衛(wèi)生裝備. 2017(05)
[3]電子內(nèi)窺鏡的研究現(xiàn)狀及發(fā)展趨勢[J]. 張雯雯,周正東,管紹林,余子麗.  中國醫(yī)療設備. 2017(01)
[4]基于壓縮感知的圖像降噪處理研究[J]. 于海寧,江景濤,尚書旗.  農(nóng)機化研究. 2016(02)
[5]動態(tài)壓縮感知綜述[J]. 荊楠,畢衛(wèi)紅,胡正平,王林.  自動化學報. 2015(01)
[6]字典學習模型、算法及其應用研究進展[J]. 練秋生,石保順,陳書貞.  自動化學報. 2015(02)
[7]基于壓縮感知的圖像去噪的綜述[J]. 張麗娟,紀峰.  電子技術(shù)與軟件工程. 2014(18)
[8]壓縮感知及其圖像處理應用研究進展與展望[J]. 任越美,張艷寧,李映.  自動化學報. 2014(08)
[9]上消化道出血病因構(gòu)成、出血量估計、病因趨勢及相關(guān)因素[J]. 竇裁鳳,劉元元,趙翀.  中國老年學雜志. 2014(07)
[10]壓縮感知綜述[J]. 尹宏鵬,劉兆棟,柴毅,焦緒國.  控制與決策. 2013(10)

博士論文
[1]壓縮感知系統(tǒng)中字典和感知矩陣優(yōu)化設計[D]. 白煌.浙江工業(yè)大學 2017



本文編號：3148305