导读:本文包含了声图像论文开题报告文献综述及选题提纲参考文献，主要关键词:光声成像,图像重建,欠采样,稀疏重建
声图像论文文献综述
齐梦雨,赵丽丽,刘欣,严壮志[1]（2019）在《叁维光声图像重建的交替方向加权算法》一文中研究指出为了在探测器数目有限的欠采样条件下提高叁维光声重建图像的精度和空间分辨率,提出了一种基于结构先验信息加权的稀疏重建算法.利用待成像组织的结构先验信息对传统交替方向算法的迭代过程加以约束并对算法流程进行改进,将重建结果与最小平方QR分解法以及传统交替方向法进行对比.仿真实验结果表明,所提算法在欠采样条件下能够有效地抑制伪影,重建出空间分辨率和精度更高的叁维光声图像.(本文来源于《应用科学学报》期刊2019年03期）
王荣[2]（2019）在《光声图像处理中前向/后向滤波去噪算法的设计与实现》一文中研究指出光声成像(Photoacoustic Imaging,PAI)是一种近几年发展起来的成像方式,将纯光学成像高对比度和超声成像探测深度好的优势有效结合,与其他传统生物成像相比,PAI由于其波长和频率的特点,经常用于软骨,脑部以及肌肉组织部分的成像,可以对目标身体部位进行分辨率和对比度性能都可观的成像。然而,在光声成像过程中,受环境和设备等因素影响,图像中会有噪声和杂波出现,导致最终的成像结果信噪比低、分辨率不高。因此,如何消除光声成像过程中潜在的噪声干扰是提高光声成像效果的关键所在。本文分别从光声成像的前向和后向过程两个层面出发,设计了不同的去噪算法,对光声信号和最终的成像质量进行提升。具体研究内容如下:(1)提出了一种基于Renyi熵的光声图像重建算法。该重建滤波算法依据原始光声信号Renyi熵所对应的分布情况,对用于分割的阈值进行确定,进而滤除存在的杂波;随即利用上一步得到的滤除杂波后的光声信号进行光声图像重建。利用该算法对不同维度的样本进行处理,包括零维的铅笔芯横截面,一维的头发丝以及二维的老鼠大脑皮层血管,实验最终的结果表明:与利用Renyi熵滤波算法去噪之前相比,重建后的光声图像不同亮度层级差异和分辨率分别提高了32.45%和30.78%,均方误差在原有的基础上下降35.01%,信噪比比之前提高47.66%。(2)设计CS/SVM组合算法提高光声图像质量。通过小波变换对光声图像进行分解,利用测量矩阵和匹配跟踪算法对图像的高频系数进行测量和恢复。将高频分量的重构系数和低频分量的原始系数组合成新的小波系数。所有小波系数均由训练好的分类模型进行处理,分类后的小波系数分为噪声和非噪声两部分,其中噪声部分由软阈值进行处理,最后,逆小波重建用于获得去噪的图像。结果表明,通过CS/SVM组合算法处理之后,小鼠大脑皮层血管光声图像对比度提高39.19%,信噪比提高59.71%,MSE降低20.83%。同时,与传统的医学图像处理组合算法相比,设计的CS/SVM组合算法大大提高了样本的信噪比(至少提高了26.95%),进一步降低了图像的均方误差(约11.98%)。(本文来源于《太原理工大学》期刊2019-04-01）
柳芳艳[3]（2019）在《高质量光声图像重构方法研究》一文中研究指出光声成像(Photoacoustic Imaging,PAI)技术是国际上一种新兴的无损、在体生物医学成像方法,其融合了纯光学成像高对比度以及纯超声成像高分辨率的优点,在癌症和心脑血管疾病的早期诊断中具有重要的应用价值。光声成像的本质是一种热声成像,通过结合一定的图像重建算法将接收到的超声信号反演成生物组织内部的初始光声压分布图像。当前,已有许多方法用于光声图像重建。但是,传统方法所得到的光声图像大都是光吸收累积图像,而真正与疾病紧密相关的是生物组织的光学吸收系数以及根据光学吸收系数得到的氧饱和度和氧代谢等各种参数。因此,在实际应用中恢复组织吸收系数具有重要意义,相应的成像方法称为量化光声成像。目前,大多数的量化光声成像方法都是基于数值仿真实验开展研究或者对较浅表面组织进行的活体量化成像。特别的,在限制视图数据采集模式下,针对深层生物组织进行量化成像时,得到的光声图像会存在明显的重建伪影,直接影响量化重建图像的正确性。另外,在现有的光声图像重建算法中,为了获得高质量的光声图像,需要超声传感器的阵元密集排列,这会直接增加系统成本和数据采集量。由于在计算机断层扫描(Photoacoustic Computed Tomography,PACT)中使用的激光重复频率较低(通常为10-20Hz),这将导致更长的数据采集时间。稀疏采样是克服上述问题的有效方法。然而,在当前稀疏采样PACT重建模型中,使用的稀疏变换通常是预定义的,它们不能充分捕获特定数据集的信号特征,这些问题将会限制高质量光声图像的重构。本文将针对上述两个问题进行研究,提出了两种方法,主要工作和贡献如下:(1)针对限制视图数据采集模式下深层生物组织的量化成像问题,提出了一种基于改进固定点迭代方法的深层活体量化光声成像方法。首先,基于维纳滤波去除原始重建光声图像伪影;然后,通过光传输模型求解目标成像区域的光通量;最后,进行迭代计算,获得目标组织的光学吸收系数分布。此外,在求解光通量过程中引入了TOAST++软件,实现光传输模型的前向求解,提高了量化成像的效率和精确性。实验结果表明:本文提出的方法,降低了重建得到的深层量化光声图像中的伪影,量化重建的深层目标组织的光学吸收系数数值与浅层目标组织的光学吸收系数数值非常接近,实现了深层生物组织光学吸收系数的定量重建。(2)针对稀疏采样模式下的光声图像重建问题,提出了基于字典学习的叁维光声图像重建方法。首先,从3-D成像区域中选择约5%的帧进行完全采样,利用传统的反投影算法进行重建,并将重建好的光声图像数据组合成训练数据;其次,通过K-SVD算法,基于训练数据计算得到字典;最后,通过迭代优化过程实现每一帧光声图像的字典重建,并合成3-D光声图像。本文算法通过将字典学习技术融合到图像重建的迭代过程中,有效抑制了重建光声图像中的欠采样伪影。实验结果证明:本文提出的方法,有效提高了重建光声图像的准确性和对比度;且本文方法仅需要稀疏的超声阵列,直接降低了系统成本,提高了数据采集速度。(本文来源于《曲阜师范大学》期刊2019-04-01）
周敬[4]（2019）在《水声图像去噪方法研究》一文中研究指出随着人们不断增加对海洋环境的探索,图像作为获取信息的重要途径之一,水声图像处理也就逐渐成为研究方向,在国防军事、民事工程方面有着重要的意义和价值。不同于光学图像,声纳成像通常受到比较严重的噪声影响,水声图像常常表现出分辨率低、对比度低、目标边缘模糊等特点。如何有效抑制图像噪声是研究的重点和难点,也是正确进行后续图像分析和理解的基础。本文主要针对水声图像分辨率低、边缘模糊特点,围绕如何提高声纳图像去噪性能的同时保持边缘细节信息这一问题展开讨论,以建立多种海域水声图像噪声模型为基础,对水声图像不同去噪方法进行研究,形成针对广泛环境适用的能获得较高的去噪能力和保边能力的方法。主要研究内容如下:环境噪声和混响噪声对应的声纳图像噪声模型建立。分别讨论了不同海域中影响声纳成像的主要噪声的形成机制和特性。根据环境噪声模型和混响噪声的散射模型,分别建立了服从高斯分布的声纳图像高斯噪声模型以及服从瑞利分布的声纳图像乘性噪声模型。变换域去噪方法研究。针对不同海域在变换域角度将低秩分解的去噪方法应用在声纳图像去噪上,通过Matlab实验仿真发现随着迭代次数的增加,去噪能力增强但目标模糊不能较好维持目标的边缘细节。空间域去噪方法研究。为了克服低秩分解方法对水声图像去噪后图像边缘模糊的缺点,将空间域中保边去噪较经典的双边滤波、引导滤波和加权最小二乘滤波方法应用到了不同海域声纳图像去噪中。通过实验仿真给出在不同海域不同噪声方差下每种滤波方法的去噪效果图,并通过主观评价和客观评价数据两个方面对比评判叁种滤波方法图像去噪的质量,比较分析叁种滤波方法中去噪性能和保边能力更适用于声纳图像去噪的方法,结果显示不同海域引导滤波更优良的去噪能力和边缘细节信息保持能力。改进的低秩分解方法研究。结合空间域中引导滤波良好的去噪性能和保边能力的特性,提出了引导滤波方法和低秩分解结合起来的声纳图像去噪方法并分析参数优化了该方法的性能,通过实验仿真和其他的去噪方法进行定性定量的对比分析,结果表明这种改进的去噪方法能够克服低秩分解的缺点,在提高声纳图像去噪性能的同时保留目标轮廓和边缘信息,提高视觉效果。(本文来源于《电子科技大学》期刊2019-03-15）
方丽萍,王成,陈兆学,郑刚,陈明惠[5]（2019）在《声分辨扫描光声图像的优化处理》一文中研究指出利用前期搭建的声分辨光声系统对小鼠耳朵进行扫描成像,获取的光声图像存在部分血管不连续、分辨率较低且边界不够清晰等问题。为了有效提高声分辨光声图像质量,采用连接断点、插值、小波去噪等方法进行预处理;针对插值带来的模糊边界、损失细节等问题提出一种模糊集与分数阶微分小波增强相结合的图像增强方法,设计对比实验,结合信息熵、对比度改善指数和平均梯度等评价指标进行评价。实验结果表明增强后的图像血管连接性好、分辨率更高、高频信息表现更丰富,所提增强方法对光声图像的优化处理有应用潜力。(本文来源于《光学技术》期刊2019年01期）
周敬,刘强,谢晓梅,陈敏[6]（2018）在《基于低秩分解和引导滤波的水声图像去噪》一文中研究指出0引言由于海洋环境的复杂多变性、声信号的传播特性及人为因素等的影响,声呐图像通常存在严重的噪声。声呐图像常常表现出分辨率低、对比度低、目标边缘模糊等特点。如何有效进行图像去噪处理,是正确进行图像信息解读和判别的基础。声呐噪声主要有环境噪声、混响噪声等。环境噪声是由大量的环境因素迭加的结果,混响噪声是传播介质(本文来源于《2018年全国声学大会论文集 C水声工程和水声信号处理》期刊2018-11-10）
干露[7]（2018）在《超声鉴别诊断甲状腺弥漫性病变合并良恶性结节的声图像分析》一文中研究指出目的:探讨超声鉴别诊断甲状腺弥漫性病变合并良恶性结节的声像图特点。方法:选择收治的70例甲状腺弥漫性病变合并甲状腺结节患者,术后病理检查或穿刺活检证实,对其超声资料进行回顾性分析,对良恶性结节的超声声像图特点进行对比分析。结果:70例患者共检出甲状腺结节74个,36个为良性结节,38个为恶性结节。在边界不清楚率、阻力指数≥0.7患者所占比例、Ⅲ级血流分布率、点状钙化灶发生率以及不均质回声率方面,恶性结节患者显着高于良性结节患者(P<0.05)。结论:通过超声检查能对甲状腺弥漫性病变合并良恶性结节进行鉴别诊断,而且操作简单方便、无创。(本文来源于《安徽卫生职业技术学院学报》期刊2018年05期）
李恒光[8]（2018）在《矩技术在水声图像分类识别中的应用研究》一文中研究指出水下目标分类识别技术在海洋资源开发、军事国防和海上搜救与打捞等领域有着十分重要的应用,并且一直都是国内外公认的难题。本文针对使用光学方法监测海产养殖过程的不足,提出使用基于图像声呐的声学方法对养殖过程进行监测,其关键问题就是水下目标识别。为实现对海星和扇贝两种水下目标的有效识别,本文重点研究了矩技术在水声图像特征提取中的应用。叁种具有代表性的矩特征提取方法,分别是Hu矩方法、基于Radon变换的矩方法和Zernike矩方法,被用于海星和扇贝水声图像的矩特征提取试验研究。试验对比分析了目标种类、空间变换种类、矩方法种类、计算特征量所用数据信息范围等因素的变化对所提取的矩特征量各阶矩值的影响,总结分析了不同矩方法的形状表达能力、计算时间和编程难度。为研究使用叁种矩方法进行海星和扇贝分类识别的效果,本文进行了目标声学图像分类识别试验。在此之前,本文研究了多种图像预处理方法,并通过进行图像预处理试验挑选出适用于海星和扇贝的预处理方法。通过对图像声呐扫描实验所采集的大量海星和扇贝声学图像进行分类识别试验,本文对比分析了矩方法种类、计算特征量所用数据范围、特征量数量对目标识别效果的影响。研究结果表明,在进行水声图像特征提取时,Zernike矩方法在正确描述图像形状特征、减少计算时间、提高识别准确率等诸多方面有着优于其它方法的表现。使用Zernike矩方法能够有效地实现海星和扇贝水声图像分类识别,并且获得优于传统方法的识别效果。总结本文所做工作我们得出结论,使用矩技术的水声图像识别效果较好,基于图像声呐进行海产养殖监测具有实际应用可行性和进一步研究价值。(本文来源于《大连理工大学》期刊2018-06-01）
高珏[9]（2018）在《基于声图像的水下目标感知技术研究》一文中研究指出在国家维护海洋权益、建设海洋强国的战略牵引下,声学区域安防成为了海洋声学技术发展的一个重要方向,其中的核心问题在于如何从警戒区域中快速而准确地辨别出来自水下的威胁目标。针对这个问题,本文采用理论分析、仿真模拟和试验论证的研究方法,设计了一个水下目标感知框架。围绕水下场景的声成像、目标感兴趣区域(Region of Interest,ROI)检测和潜在目标的鉴别,分叁层展开深入研究。第一层借助多波束水体成像技术将水下场景映射成声图像,应用基于虚拟波束的插值和动态亮度分配方法改善声成像效果,提出一种背景估计算法抑制高信噪比下的旁瓣干扰。在分析了水下场景中目标声图像表示存在问题的基础上,引入了局部高阶统计量(Higher-Order Statistics,HOS)分析方法,对目标的HOS空间表示展开深入的研究。第二层将子块截断策略应用于声图像的ROI检测,并采用基于积分图像的算法提高运算效率,通过实测声图像数据评估这种快速子块截断恒虚警率(Subset CensoredConstant False Alarm Rate,SC-CFAR)检测方法的有效性。并研究了在局部HOS空间执行SC-CFAR算法进行ROI检测的问题,通过匹配滤波能够尽量还原ROI的实际样貌,在目标大小和数量未知时,使用不确定目标理论模型能取得更好的ROI聚焦效果。第叁层将检测到的每个ROI都看做是一个或多个潜在目标。分两个步骤展开研究,第一步是寻找适合于表示这些潜在目标的局部不变特征,第二步是通过对局部不变特征的追踪对潜在目标进行鉴别。首先将常用的关键点检测算法应用于声图像,并对比不同算法的检测性能。接着将常用的特征描述算法将检测到的关键点生成特征描述子,并对比不同描述子的匹配性能。然后将初步筛选出的关键点检测算法和特征描述子组成不同的局部不变特征,采用检测前追踪的策略(Track Before Detect,TBD)在声图像序列ROI中执行局部特征追踪,利用追踪统计信息判断潜在目标是属于真实目标还是虚警。最后以水下蛙人为潜入威胁目标展开目标感知的试验研究。为了模拟实际声学区域警戒可能会遇到的多种情况,设计了定点下视、定点平视和移动侧视叁组不同的视场下潜入目标多种运动方式的试验,验证了在水下目标感知框架下进行目标辨别的有效性。(本文来源于《哈尔滨工程大学》期刊2018-05-22）
翟厚曦,江泽林,张鹏飞,张武,刘纪元[10]（2018）在《基于图像特征的合成孔径声纳声图像拼接研究》一文中研究指出利用合成孔径声纳(SAS)声图方位向线分辨率恒定的特点,提出了基于图像特征的SAS声图拼接方法,其关键技术是使用SURF算子和RANSAC算法。方法使用SURF算子提取SAS声图的特征点,使用RANSAC算法对SAS声图进行精匹配处理。对SAS实测图像进行了处理,结果证明了该方法的有效性。(本文来源于《网络新媒体技术》期刊2018年02期）
声图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
光声成像(Photoacoustic Imaging,PAI)是一种近几年发展起来的成像方式,将纯光学成像高对比度和超声成像探测深度好的优势有效结合,与其他传统生物成像相比,PAI由于其波长和频率的特点,经常用于软骨,脑部以及肌肉组织部分的成像,可以对目标身体部位进行分辨率和对比度性能都可观的成像。然而,在光声成像过程中,受环境和设备等因素影响,图像中会有噪声和杂波出现,导致最终的成像结果信噪比低、分辨率不高。因此,如何消除光声成像过程中潜在的噪声干扰是提高光声成像效果的关键所在。本文分别从光声成像的前向和后向过程两个层面出发,设计了不同的去噪算法,对光声信号和最终的成像质量进行提升。具体研究内容如下:(1)提出了一种基于Renyi熵的光声图像重建算法。该重建滤波算法依据原始光声信号Renyi熵所对应的分布情况,对用于分割的阈值进行确定,进而滤除存在的杂波;随即利用上一步得到的滤除杂波后的光声信号进行光声图像重建。利用该算法对不同维度的样本进行处理,包括零维的铅笔芯横截面,一维的头发丝以及二维的老鼠大脑皮层血管,实验最终的结果表明:与利用Renyi熵滤波算法去噪之前相比,重建后的光声图像不同亮度层级差异和分辨率分别提高了32.45%和30.78%,均方误差在原有的基础上下降35.01%,信噪比比之前提高47.66%。(2)设计CS/SVM组合算法提高光声图像质量。通过小波变换对光声图像进行分解,利用测量矩阵和匹配跟踪算法对图像的高频系数进行测量和恢复。将高频分量的重构系数和低频分量的原始系数组合成新的小波系数。所有小波系数均由训练好的分类模型进行处理,分类后的小波系数分为噪声和非噪声两部分,其中噪声部分由软阈值进行处理,最后,逆小波重建用于获得去噪的图像。结果表明,通过CS/SVM组合算法处理之后,小鼠大脑皮层血管光声图像对比度提高39.19%,信噪比提高59.71%,MSE降低20.83%。同时,与传统的医学图像处理组合算法相比,设计的CS/SVM组合算法大大提高了样本的信噪比(至少提高了26.95%),进一步降低了图像的均方误差(约11.98%)。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
声图像论文参考文献
[1].齐梦雨,赵丽丽,刘欣,严壮志.叁维光声图像重建的交替方向加权算法[J].应用科学学报.2019
[2].王荣.光声图像处理中前向/后向滤波去噪算法的设计与实现[D].太原理工大学.2019
[3].柳芳艳.高质量光声图像重构方法研究[D].曲阜师范大学.2019
[4].周敬.水声图像去噪方法研究[D].电子科技大学.2019
[5].方丽萍,王成,陈兆学,郑刚,陈明惠.声分辨扫描光声图像的优化处理[J].光学技术.2019
[6].周敬,刘强,谢晓梅,陈敏.基于低秩分解和引导滤波的水声图像去噪[C].2018年全国声学大会论文集C水声工程和水声信号处理.2018
[7].干露.超声鉴别诊断甲状腺弥漫性病变合并良恶性结节的声图像分析[J].安徽卫生职业技术学院学报.2018
[8].李恒光.矩技术在水声图像分类识别中的应用研究[D].大连理工大学.2018
[9].高珏.基于声图像的水下目标感知技术研究[D].哈尔滨工程大学.2018
[10].翟厚曦,江泽林,张鹏飞,张武,刘纪元.基于图像特征的合成孔径声纳声图像拼接研究[J].网络新媒体技术.2018