本文主要研究内容
作者韩东初（2019）在《鬼成像图像质量指标的研究》一文中研究指出：鬼成像与传统成像的成像机制不同,鬼成像重点在于“鬼”字。由于其离“物”成像的特点,鬼成像能够克服传统成像的瓶颈,并且能够突破器械的灵敏度和分辨率极限。鬼成像实验中利用涨落关联和压缩感知算法重建图像。由于不同采样次数的重建图像存在不同程度的失真,所以鬼成像图像评价相当于对图像的失真程度进行评价。当今常用的传统鬼成像评价指标都能得到图像质量好坏的宏观数值,但并不能提供失真类型或程度等细节信息。在此基础上,我们提出利用结构相似性指标替代传统鬼成像评价指标。首先,人眼视觉系统对环境中的结构信息非常敏感,而结构相似性指标着重强调了图像中结构相似性指标,这样既能贴合人眼又能弥补传统鬼成像图像评价指标的不足。该指标能够描述在鬼成像实验条件下不同采样次数数据恢复的图像中不同失真程度的变化趋势。如果长远考虑,不同失真程度的变化趋势曲线能为我们在低采样鬼成像图像的增强或恢复等方面提供指导性建议。除此之外,本文在对结构相似性指标研究过程中发现其结构对比函数具有图像配准能力,相较于互信息、互相关系数、归一化均方根误差常用的三种配准方法具有精度高,定位效果明显等优势。此项研究能够解决极低采样率的早期鬼成像图像配准的难题。本文主要对结构相似性算法在鬼成像中的应用展开研究,对该算法的质量评估领域和图像配准领域都进行了深入研究和探讨,并取得了有效的成果。首先,鬼成像图像质量评价引入结构相似性算法,研究其算法的可行性,之后对图像的亮度失真程度、对比度失真程度以及结构失真程度都进行了评估,这种方法能清晰给出任意采样次数的重建图像失真类型及其失真程度的结果。其次,在鬼成像图像配准领域运用结构相似性算法中的结构对比函数,通过分析此方法与互信息、互相关系数以及归一化均方根误差方法定位效果与定位精度的区别,验证了该方法的有效性。最后,对结构相似性算法本身进行了研究。研究了算法中的高斯窗参数:高斯窗尺寸、标准差。通过调节参数进行实验仿真,验证参数的作用并探讨参数取值规则,推送参数的选取策略并通过改变半高宽大小的方式对策略进行验证。
Abstract
gui cheng xiang yu chuan tong cheng xiang de cheng xiang ji zhi bu tong ,gui cheng xiang chong dian zai yu “gui ”zi 。you yu ji li “wu ”cheng xiang de te dian ,gui cheng xiang neng gou ke fu chuan tong cheng xiang de ping geng ,bing ju neng gou tu po qi xie de ling min du he fen bian lv ji xian 。gui cheng xiang shi yan zhong li yong zhang la guan lian he ya su gan zhi suan fa chong jian tu xiang 。you yu bu tong cai yang ci shu de chong jian tu xiang cun zai bu tong cheng du de shi zhen ,suo yi gui cheng xiang tu xiang ping jia xiang dang yu dui tu xiang de shi zhen cheng du jin hang ping jia 。dang jin chang yong de chuan tong gui cheng xiang ping jia zhi biao dou neng de dao tu xiang zhi liang hao huai de hong guan shu zhi ,dan bing bu neng di gong shi zhen lei xing huo cheng du deng xi jie xin xi 。zai ci ji chu shang ,wo men di chu li yong jie gou xiang shi xing zhi biao ti dai chuan tong gui cheng xiang ping jia zhi biao 。shou xian ,ren yan shi jiao ji tong dui huan jing zhong de jie gou xin xi fei chang min gan ,er jie gou xiang shi xing zhi biao zhao chong jiang diao le tu xiang zhong jie gou xiang shi xing zhi biao ,zhe yang ji neng tie ge ren yan you neng mi bu chuan tong gui cheng xiang tu xiang ping jia zhi biao de bu zu 。gai zhi biao neng gou miao shu zai gui cheng xiang shi yan tiao jian xia bu tong cai yang ci shu shu ju hui fu de tu xiang zhong bu tong shi zhen cheng du de bian hua qu shi 。ru guo chang yuan kao lv ,bu tong shi zhen cheng du de bian hua qu shi qu xian neng wei wo men zai di cai yang gui cheng xiang tu xiang de zeng jiang huo hui fu deng fang mian di gong zhi dao xing jian yi 。chu ci zhi wai ,ben wen zai dui jie gou xiang shi xing zhi biao yan jiu guo cheng zhong fa xian ji jie gou dui bi han shu ju you tu xiang pei zhun neng li ,xiang jiao yu hu xin xi 、hu xiang guan ji shu 、gui yi hua jun fang gen wu cha chang yong de san chong pei zhun fang fa ju you jing du gao ,ding wei xiao guo ming xian deng you shi 。ci xiang yan jiu neng gou jie jue ji di cai yang lv de zao ji gui cheng xiang tu xiang pei zhun de nan ti 。ben wen zhu yao dui jie gou xiang shi xing suan fa zai gui cheng xiang zhong de ying yong zhan kai yan jiu ,dui gai suan fa de zhi liang ping gu ling yu he tu xiang pei zhun ling yu dou jin hang le shen ru yan jiu he tan tao ,bing qu de le you xiao de cheng guo 。shou xian ,gui cheng xiang tu xiang zhi liang ping jia yin ru jie gou xiang shi xing suan fa ,yan jiu ji suan fa de ke hang xing ,zhi hou dui tu xiang de liang du shi zhen cheng du 、dui bi du shi zhen cheng du yi ji jie gou shi zhen cheng du dou jin hang le ping gu ,zhe chong fang fa neng qing xi gei chu ren yi cai yang ci shu de chong jian tu xiang shi zhen lei xing ji ji shi zhen cheng du de jie guo 。ji ci ,zai gui cheng xiang tu xiang pei zhun ling yu yun yong jie gou xiang shi xing suan fa zhong de jie gou dui bi han shu ,tong guo fen xi ci fang fa yu hu xin xi 、hu xiang guan ji shu yi ji gui yi hua jun fang gen wu cha fang fa ding wei xiao guo yu ding wei jing du de ou bie ,yan zheng le gai fang fa de you xiao xing 。zui hou ,dui jie gou xiang shi xing suan fa ben shen jin hang le yan jiu 。yan jiu le suan fa zhong de gao si chuang can shu :gao si chuang che cun 、biao zhun cha 。tong guo diao jie can shu jin hang shi yan fang zhen ,yan zheng can shu de zuo yong bing tan tao can shu qu zhi gui ze ,tui song can shu de shua qu ce lve bing tong guo gai bian ban gao kuan da xiao de fang shi dui ce lve jin hang yan zheng 。
论文参考文献
论文详细介绍
论文作者分别是来自北京邮电大学的韩东初，发表于刊物北京邮电大学2019-07-19论文，是一篇关于鬼成像论文,结构相似性论文,质量评价论文,图像配准论文,高斯窗论文,北京邮电大学2019-07-19论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自北京邮电大学2019-07-19论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：鬼成像论文; 结构相似性论文; 质量评价论文; 图像配准论文; 高斯窗论文; 北京邮电大学2019-07-19论文;