| 【中文题名】 | 牙科应用中医学图像的修复 |
| 【英文题名】 | Damaged CT Image Restoration for Dental Application |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-11 |
| 【中关键词】 | CT图像,图像修复,纹理合成,GPU加速,, |
| 【英关键词】 | CT Image,Image restoration,Inpainting,Texture synthesis,GPU accelerating, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
自100多年前伦琴发现“X”射线以来,医学图像经历了革命性的发展。当代医学图像的研究充分表现出了多学科、大跨度交叉的特点。医学(特别是解剖学、神经学)知识、物理概念、数学方法和计算机程序设计思想有机的融合在医学图像处理研究之中。CT、MRI、PET等多种医学成像模式的应用,以及医学图像的三维可视化,特别是内部器官和脑的三维体积测定可视化,已经成为日常病人诊断和护理程序标准的组成部分。病理图像的自动识别和诊断需要开发图像修复、分割、量化、增强以及可视化的有效算法。
本论文主要针对牙齿CT扫描图像修复问题。我们从临床应用的需要出发,对现有的基于块采样的纹理合成修复算法进行了改进。在我们的应用程序框架结构中,我们需要对CT扫描图片进行三维成像、分割、配准等临床应用,而破损的或被污染的CT图片对后期处理的精度带来很大的困扰。从临床应用的角度出发,我们必须提出相应的解决方法。
基于块采样的纹理合成技术是三大类纹理合成技术起步最晚的一个,是当今纹理合成技术的研究热点。我们采用基于样本的纹理合成修复算法来完成对牙齿CT扫描图片的修复。由于牙齿CT扫描图片如下的特性:低信噪比、低对比度、组织特性的可... |
| 【论文题纲】 |
|
摘要 |
5-7 |
|
Abstract |
7-11 |
|
第一章 绪论 |
11-21 |
|
1.1 前言 |
11 |
|
1.2 图像修复算法综述 |
11-17 |
|
1.2.1 图像修复技术的概念 |
11-14 |
|
1.2.2 纹理合成技术的概念 |
14-15 |
|
1.2.3 纹理合成修复技术的概念 |
15-16 |
|
1.2.4 医学图像修复技术研究的国内外现状 |
16-17 |
|
1.3 医学 CT 扫描图像概述 |
17-19 |
|
1.3.1 引言 |
17 |
|
1.3.2 CT 技术与三维医学图像 |
17-18 |
|
1.3.3 医学图像后处理概念 |
18-19 |
|
1.4 论文的研究背景和主要内容 |
19-21 |
|
1.4.1 论文的研究背景和意义 |
19 |
|
1.4.2 主要内容安排 |
19-20 |
|
1.4.3 主要贡献 |
20-21 |
|
第二章 GPU 编程模型和架构 |
21-25 |
|
2.1 GPU 编程概述 |
21-23 |
|
2.2 GPU 通用计算所使用的编程语言和工具 |
23-24 |
|
2.3 GPU 加速相关研究 |
24 |
|
2.4 小结 |
24-25 |
|
第三章 图像修复技术的理论研究与分析 |
25-46 |
|
3.1 图像细纹修复概述 |
25 |
|
3.2 细纹修复相关研究工作 |
25-30 |
|
3.2.1 基于 PDE 模型的图像修复 |
25-28 |
|
3.2.2 基于径向量函数的图像修复技术 |
28-30 |
|
3.2.3 基于 Beyas 模型 |
30 |
|
3.3 基于偏微分算法的实现与分析 |
30-31 |
|
3.3.1 基本思想 |
30-31 |
|
3.4 图像纹理合成修复概述 |
31-32 |
|
3.4.1 纹理合成的定义 |
31-32 |
|
3.4.2 纹理合成的模型 |
32 |
|
3.5 纹理合成相关研究工作 |
32-45 |
|
3.5.1 纹理映射 |
32-36 |
|
3.5.1.1 概述 |
33 |
|
3.5.1.2 纹理分类 |
33-34 |
|
3.5.1.3 纹理映射函数分类 |
34-35 |
|
3.5.1.4 纹理映射算法分类 |
35-36 |
|
3.5.2 过程纹理合成 |
36 |
|
3.5.2.1 概述 |
36 |
|
3.5.2.2 过程纹理合成发展历史 |
36 |
|
3.5.3 基于样本的纹理合成 |
36-45 |
|
3.5.3.1 概述 |
36-37 |
|
3.5.3.2 马尔可夫随机域与 Gibbs 域 |
37-39 |
|
3.5.3.3 非参数性采样的纹理合成 |
39-42 |
|
3.5.3.4 基于块采样纹理合成方法 |
42-45 |
|
3.6 小结 |
45-46 |
|
第四章 纹理合成修复医学图像的实验和讨论 |
46-67 |
|
4.1 问题描述 |
46-47 |
|
4.2 算法理论基础 |
47-49 |
|
4.3 算法描述 |
49-51 |
|
4.4 基于纹理块的图像修复算法流程 |
51-52 |
|
4.5 算法到 GPU 硬件的映射 |
52-55 |
|
4.6 实验细节讨论 |
55-57 |
|
4.7 实验结果分析 |
57-61 |
|
4.7.1 一般情况分析 |
57-60 |
|
4.7.2 特殊情况分析 |
60-61 |
|
4.8 实验性能优化 |
61-62 |
|
4.9 医学图像处理的特点与难题 |
62-64 |
|
4.10 各种实验图片效果图 |
64-66 |
|
4.11 小结 |
66-67 |
|
第五章 结论与未来工作展望 |
67-68 |
|
5.1 研究工作总结 |
67 |
|
5.2 研究工作展望 |
67-68 |
|
参考文献 |
68-71 |
|
致谢 |
71-72 |
|
攻读硕士学位期间的研究成果与已发表或录用的论文 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.366949 |
