基于張量補全的醫(yī)學(xué)圖像修復(fù)算法研究.pdf

1、隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，醫(yī)學(xué)圖像處理對人們的生活變得不可或缺。醫(yī)學(xué)是與人的健康密切相關(guān)的學(xué)科，重要性不言而喻。醫(yī)學(xué)的CT、MRI圖像是目前醫(yī)生診斷疾病的主要依據(jù)。然而，醫(yī)學(xué)圖像在采集或者獲取的時候由于設(shè)備或人為等因素會造成采集的圖片信息不完整，這直接影響到醫(yī)生關(guān)于疾病的診斷。近年來對醫(yī)學(xué)圖像修復(fù)問題引起學(xué)者的廣泛研究。受壓縮感知的啟發(fā)，低秩矩陣逼近在圖像修復(fù)領(lǐng)域產(chǎn)生了不錯的效果。然而，醫(yī)學(xué)CT、MRI圖像不同于普通的光學(xué)圖像，它是某一器

2、官的斷層掃描，通常包含成百甚至上千張圖像。如果采用傳統(tǒng)的圖像修復(fù)算法處理起來費時又費力，而且處理效果也不令人滿意。為了解決這個問題，本文將張量補全算法運用到醫(yī)學(xué)圖像修復(fù)領(lǐng)域，主要工作如下：
　?。?）概述了當前圖像修復(fù)的研究現(xiàn)狀，通過對比分析發(fā)現(xiàn)傳統(tǒng)的圖像修復(fù)算法并不適用于醫(yī)學(xué)圖像修復(fù)。歸納了張量補全問題的研究現(xiàn)狀，結(jié)合醫(yī)學(xué)圖像自身的特點，將張量補全算法應(yīng)用到醫(yī)學(xué)圖像修復(fù)領(lǐng)域，實驗結(jié)果顯示該方法具有較高的應(yīng)用價值。
　?。?

3、）提出了一種加權(quán)核范數(shù)低秩張量補全的醫(yī)學(xué)圖像修復(fù)算法。在 Liu算法基礎(chǔ)上添加非負約束去除掉圖像張量中的負元素，由于張量每一模的結(jié)構(gòu)和尺寸不完全相同，利用權(quán)重參數(shù)將張量的每一模聯(lián)系起來，將張量補全問題轉(zhuǎn)化成一個帶權(quán)值約束的正則最優(yōu)化問題，最后利用奇異值閾值法解決這一正則最優(yōu)化問題。在醫(yī)學(xué)圖像上進行實驗，將其與HaLRTC算法相比較，大幅度減少了修復(fù)時間的同時產(chǎn)生了較好的修復(fù)結(jié)果。
　?。?）提出了一種基于塔克分解和秩最小化張量補全

4、的醫(yī)學(xué)圖像修復(fù)算法。將張量塔克分解和秩最小化技術(shù)結(jié)合，添加普通高斯先驗概率作為輔助因素，添加非負約束去除掉圖像負元素。利用Chen的MGE框架，在補全缺失元素的同時捕捉原始數(shù)據(jù)潛在的流形結(jié)構(gòu)，引入最大后驗概率公式將修復(fù)問題轉(zhuǎn)變?yōu)閹Ъs束的凸優(yōu)化問題，最后利用增廣的拉格朗日算法進行優(yōu)化。將其與HaLRTC算法在醫(yī)學(xué)圖像上進行實驗，產(chǎn)生了較好的修復(fù)結(jié)果。
　　本文提出了兩種基于張量補全的醫(yī)學(xué)圖像修復(fù)算法，實驗結(jié)果顯示算法具有較高的研究價