Knowledge base: Warsaw University of Technology

Settings and your account

Back

Method for image reconstruction from sparse tomographic measurements

Olga Monika Walenciuk

Abstract

The aim of this thesis was to develop and then implement image reconstruction method that with a reduced number of samples will allow to achieve quality comparable with traditional methods. The main focus was put on magnetic resonance tomography images and on k-space sampling simulation. The method was implemented in the MATLAB environment. As part of the study, the main concepts and theoretical preliminaries of compressed sensing were discussed, such as the signal sparsity and incoherent subsampling. In order to develop the method, it was necessary to design the optimal sampling pattern and algorithm that solves the problem of minimizing ℓ1-norm. A function has been implemented that allows to generate various sampling mask patterns in the form of binary matrices that simulate incoherent subsampling. Mask points were selected randomly according to the given probability density function, using the Monte Carlo method. To reconstruct the image from collected data the nonlinear iterative algorithm based on soft thresholding was used. The tests of the implemented method were carried out on phantoms and real images from magnetic resonance tomography. In assessing quality of the reconstruction, the structural similarity index between the obtained algorithm result and the reference image was used. The method was also tested to optimize the number of samples needed for successful reconstruction.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Olga Monika Walenciuk (FEIT/IRMT) Olga Monika Walenciuk,, The Institute of Radioelectronics and Multimedia Technology (FEIT/IRMT)Faculty of Electronics and Information Technology (FEIT)
Title in Polish
 Metoda rekonstrukcji obrazów z rzadkich pomiarów tomograficznych
Supervisor
Artur Jerzy Przelaskowski (FEIT) Artur Jerzy Przelaskowski,, Faculty of Electronics and Information Technology (FEIT)
Certifying unit
Faculty of Electronics and Information Technology (FEIT)
Affiliation unit
The Institute of Radioelectronics and Multimedia Technology (FEIT/IRMT)
Study subject / specialization
, Inżynieria Biomedyczna (Biomedical Engineering)
Language
(pl) Polish
Status
Finished
Defense Date
18-09-2019
Issue date (year)
2019
Reviewers
Artur Jerzy Przelaskowski (FEIT) Artur Jerzy Przelaskowski,, Faculty of Electronics and Information Technology (FEIT) Andrzej Rychter (FEIT/IRMT) Andrzej Rychter,, The Institute of Radioelectronics and Multimedia Technology (FEIT/IRMT)Faculty of Electronics and Information Technology (FEIT)
Keywords in Polish
rekonstrukcja obrazów tomograficznych, oszczędne próbkowanie, sygnały rzadkie, niekoherentny pomiar, przestrzeń k, schemat próbkujący
Keywords in English
tomographic image reconstruction, compressed sensing, sparse signals, incoherent subsampling, k-space, sampling pattern
Abstract in Polish
Celem niniejszej pracy było skonstruowanie, a następnie implementacja w środowisku MATLAB metody rekonstrukcji obrazów, która pozwoli przy zmniejszonej liczbie pomiarów uzyskać jakość porównywalną z metodami tradycyjnymi. Skupiono się na obrazach pochodzących z tomografii rezonansu magnetycznego i na symulacji próbkowania przestrzeni k. W ramach pracy zostały omówione główne koncepcje i założenia teoretyczne oszczędnego próbkowania, takie jak rzadkość badanego sygnału oraz niekoherentny pomiar. W celu skonstruowania metody należało dobrać optymalny schemat pomiarowy oraz algorytm rozwiązujący problem minimalizacji normy ℓ1. Zaimplementowano funkcję pozwalającą na wygenerowanie różnych wzorów masek próbkujących w postaci macierzy binarnych, symulujących niekoherentny pomiar. Punkty masek wybierano w sposób losowy według zadanej funkcji gęstości prawdopodobieństwa, wykorzystując do tego celu metodę Monte Carlo. Natomiast w celu rekonstrukcji obrazu z zebranych próbek zastosowano iteracyjny algorytm oparty na miękkim progowaniu. Badania zaimplementowanej metody wykonano na obrazach testowych oraz rzeczywistych obrazach pochodzących z tomografii rezonansu magnetycznego. W ocenie jakości rekonstrukcji wykorzystano wskaźnik podobieństwa strukturalnego między otrzymanym wynikiem algorytmu a obrazem referencyjnym. Metodę przetestowano także pod kątem optymalizacji liczby próbek potrzebnych do udanej rekonstrukcji.
File
  • File: 1
    Praca_dyplomowa_inzynierska_Olga_Walenciuk.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 35996

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUT23819d64209a486b98aa9564dd3e2415/
URN
urn:pw-repo:WUT23819d64209a486b98aa9564dd3e2415

Confirmation
Are you sure?
Report incorrect data on this page