Super resolución (SR) en imágenes de resonancia magnética DWI de cerebro usando estimación bayesiana

En la presente tesis, se propone un método bayesiano de Súper resolución (SR) que obtiene imágenes de alta resolución (HR) DWI a partir de imágenes degradadas de baja resolución (LR), tratando de recuperar un máximo de la información en alta frecuencia. Bajo la formuación bayesiana, la imagen desconocida de alta resolución (HR), el proceso de adquisición y los parámetros del modelo son modelados como procesos estocásticos. El término de verosimilitud es modelado usando una distribución gausiana para estimar el error entre la representación y las observaciones. El término a priori se modela como una distribución gausiana multivariada en el que los pesos del vecindario corresponden a variables intermedias que se introducen con dos propósitos: modelar las relaciones locales con una distribución Laplaciana y utilizar la información más relevante de su vecindario. En consecuencia, la matriz de covarianza de los pesos de este prior se aproxima por variables latentes que se calculan de las relaciones locales modeladas con una Laplaciana. Los resultados experimentales muestran que el método supera la línea base por 2.56 dB usando como métrica el PSNR para una colección de 35 casos.

• Autores: Celis Arámbula, Juan Salvador
• Fecha de publicación: 2019
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/76281
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/76281; http://bdigital.unal.edu.co/72469/
• Palabra clave: Bayesiano; Súper resolución; DWI; Procesamiento de imágenes; Bayesian; Super resolution; Diffusion Weighted Magnetic Resonance Imaging; Image processing
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional