CS改進(jìn)基于ICA的X射線圖像目標(biāo)分離研究.pdf

1、基于獨(dú)立成分分析(Independent Component Analysis,ICA)的X射線圖像目標(biāo)提取算法，依據(jù)X射線圖像中被檢測目標(biāo)的各部分衰減系數(shù)的差異，采用ICA將各部分離成像。在分離成像過程中，該算法采用了高階統(tǒng)計處理數(shù)據(jù)，從而導(dǎo)致整個算法面領(lǐng)著計算量巨大的難題。
　　基于信號稀疏理論，壓縮感知理論(Compressed Sensing,CS)利用隨機(jī)觀測矩陣，以遠(yuǎn)低于 Nyquist采樣頻率的抽樣速率，實(shí)現(xiàn)了信號壓

2、縮，大大縮短了采樣時間，減少了計算量。利用CS理論改進(jìn)基于ICA的X射線圖像目標(biāo)提取算法可以降低上述算法的計算量。
　　本論文擬采用壓縮感知理論改進(jìn)基于ICA的X射線圖像目標(biāo)提取算法。本文提出的改進(jìn)算法由信號感知，基于ICA的X射線圖像目標(biāo)分離算法以及信號重構(gòu)三部分組成：首先，選取高效的稀疏矩陣和隨機(jī)高斯矩陣，對目標(biāo)圖像進(jìn)行感知處理；其次，利用ICA對感知后的X射線圖像序列進(jìn)行分離；最后，采用正交匹配追蹤算法(Orthogonal

3、 Matching Pursuit,OMP)重構(gòu)分離圖像。在實(shí)驗(yàn)仿真過程中，對比了三種典型稀疏矩陣對算法性能的影響，分析了改進(jìn)前后算法性能的提升狀況。研究表明：與前期工作相比，經(jīng)CS理論改進(jìn)后的基于ICA進(jìn)行X射線圖像目標(biāo)分離算法，運(yùn)行時間減少了46.14s（23.3％）、內(nèi)存占有率降低至75%、重構(gòu)圖像峰值信噪比（Peak Signal to Noise Ratio, PSNR）提高了2.665dB、邊緣梯度提高了0.001以及信息熵