本文選題：圖像融合　切入點：小波變換　出處：《吉林大學》2017年碩士論文

【摘要】：醫(yī)學圖像對于現(xiàn)代醫(yī)學的意義隨著可視化技術的發(fā)展變得越來越重要,其在臨床診斷和科研方面也發(fā)揮著越來越重要的作用。所謂的醫(yī)學成像,就是利用各種成像設備對人體內(nèi)部的組織器官、臟器形態(tài)和功能變化等進行觀察研究的方法。由于不同的醫(yī)學成像設備所能提供的醫(yī)學信息不同,得到的醫(yī)學圖像在臨床診斷和治療中所能發(fā)揮的作用也不同。融合不同成像設備所得到的醫(yī)學圖像與從醫(yī)學圖像中分割定位出特定區(qū)域?qū)τ卺t(yī)療診斷有著至關重要的意義。本文主要針對圖像融合與圖像分割的發(fā)展情況以及目前比較常見的一些圖像融合與圖像分割方面的算法進行介紹、分析和對比,從而達到了解圖像融合與分割相關內(nèi)容,學習圖像融合與分割的相關知識的目的,對圖像融合與分割的發(fā)展過程、具體實現(xiàn)方法以及未來發(fā)展方向等有所認識和掌握,為以后的工作與學習奠定基礎。本文針對醫(yī)學圖像處理中的圖像融合和圖像分割中的一些算法進行了研究和介紹,并針對現(xiàn)存算法的不足,對兩種圖像處理過程各提出了一種改進算法,并對圖像融合的改進算法進行了實驗,將改進算法的運行結(jié)果與其他方法的運行結(jié)果進行了對比驗證,使改進算法的優(yōu)越性直觀的展示出來。在圖像融合方面,對基于變換域的圖像融合方法和基于空間域的融合方法進行簡要的介紹,重點對一種小波變換與金字塔法相結(jié)合改進的融合算法進行了研究,并通過編程實驗來驗證該算法的實現(xiàn)效果。將通過不同設備的到的醫(yī)學圖像融合在一起,可以使不同醫(yī)學圖像中的信息融合在一幅圖像中,這對于豐富組織和病灶的信息,對診斷精確性的提高有極大的幫助,對于治療和醫(yī)學研究有很大的促進作用。本文先對常見的基于空域的圖像融合方法和基于變換域的圖像融合方法進行了介紹和編程實現(xiàn),然后又對基于小波變化的圖像融合方法進行了介紹和編程實現(xiàn),又對一種基于小波變換和金字塔法的改進的圖像融合算法進行了說明和編程實現(xiàn)。通過幾種算法的運行結(jié)果的比較,改進算法能夠?qū)⑴c融合的源圖像信息進行充分的利用,使最終的能夠信息,視覺效果好,能夠很好地滿足醫(yī)學圖像融合的需求。在圖像分割方面,簡單介紹了閾值分割方法、區(qū)域分割方法和邊緣分割方法這些常用的分割算法,對水平集分割算法進行了深入研究,針對傳統(tǒng)快速匹配方法的不足,在速度函數(shù)的計算中加入了灰度值,并通過對待分割圖像進行預處理,可以很好的將待分割區(qū)域突出并分割出來,并基于以上分析提出了一種基于水平集算法的改進算法,分析并比較其對比普通水平集算法的優(yōu)越性。
[Abstract]:The significance of medical image to modern medicine becomes more and more important with the development of visualization technology, and it also plays an increasingly important role in clinical diagnosis and scientific research.The so-called medical imaging is to use various imaging equipment to observe and study the changes of tissues and organs, organ morphology and function in human body.Because different medical imaging equipment can provide different medical information, the medical image can play a different role in clinical diagnosis and treatment.It is very important for medical diagnosis to fuse the medical images obtained by different imaging devices and to segment and locate specific regions from medical images.In this paper, the development of image fusion and image segmentation and some common algorithms of image fusion and image segmentation are introduced, analyzed and compared, so as to understand the relevant contents of image fusion and segmentation.The purpose of learning the relevant knowledge of image fusion and segmentation is to understand and master the development process of image fusion and segmentation, the concrete realization method and the future development direction, which will lay a foundation for future work and study.In this paper, some algorithms of image fusion and image segmentation in medical image processing are studied and introduced. In view of the shortcomings of existing algorithms, an improved algorithm is proposed for each of the two image processing processes.Experiments on the improved image fusion algorithm are carried out, and the results of the improved algorithm are compared with the results of other methods, so that the superiority of the improved algorithm can be displayed directly and intuitively.In the aspect of image fusion, the image fusion method based on transform domain and the fusion method based on spatial domain are briefly introduced, and an improved fusion algorithm based on wavelet transform and pyramid method is studied.And through programming experiments to verify the implementation of the algorithm.The fusion of medical images from different devices can make the information in different medical images fused into one image, which is of great help to enrich the information of tissues and lesions, and to improve the accuracy of diagnosis.For treatment and medical research has a great role in promoting.In this paper, the common image fusion method based on spatial domain and the image fusion method based on transform domain are introduced and programmed, then the image fusion method based on wavelet change is introduced and programmed.An improved image fusion algorithm based on wavelet transform and pyramid method is described and programmed.Through the comparison of the results of several algorithms, the improved algorithm can make full use of the source image information involved in the fusion, so that the final information can be achieved, the visual effect is good, and the medical image fusion needs can be well met.In the aspect of image segmentation, the threshold segmentation method, the region segmentation method and the edge segmentation method are introduced briefly. The level set segmentation algorithm is deeply studied, and the shortcomings of the traditional fast matching method are pointed out.The gray value is added to the calculation of the velocity function, and by preprocessing the segmented image, the region to be segmented can be well highlighted and segmented. Based on the above analysis, an improved algorithm based on the level set algorithm is proposed.The superiority of this algorithm over the ordinary level set algorithm is analyzed and compared.
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 邱明,張二虎;醫(yī)學圖像分割方法[J];計算機工程與設計;2005年06期

2 翁璇;鄭小林;姜海;;醫(yī)學圖像分割技術研究進展[J];醫(yī)療衛(wèi)生裝備;2007年01期

3 孔曉榮;史延新;孔祥斌;;醫(yī)學圖像分割處理技術的應用[J];蘭州大學學報(自然科學版);2009年S1期

4 張貴英;張先杰;;醫(yī)學圖像分割技術研究[J];醫(yī)學信息(上旬刊);2011年01期

5 林麗秋;陳亮亮;;醫(yī)學圖像分割研究概況[J];科技信息;2011年21期

6 朱文婕;;圖像分割技術在醫(yī)學圖像分割中的應用[J];安徽科技學院學報;2011年03期

7 熱孜萬古麗·夏米西丁;;醫(yī)學圖像分割算法分類及特點[J];科技信息;2013年03期

8 黃文博;燕楊;王云吉;;醫(yī)學圖像分割方法綜述[J];長春師范學院學報;2013年04期

9 聶斌;醫(yī)學圖像分割技術及其進展[J];泰山醫(yī)學院學報;2002年04期

10 林瑤;田捷;;醫(yī)學圖像分割方法綜述[J];模式識別與人工智能;2002年02期

相關會議論文 前9條

1 安溪娟;郭磊;苗東博;;基于支持向量機的醫(yī)學圖像分割的研究[A];天津市生物醫(yī)學工程學會第三十一屆學術年會論文集[C];2011年

2 趙亮;李熙瑩;劉嘉昭;趙福利;;基于聚類神經(jīng)網(wǎng)絡算法的醫(yī)學圖像分割[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

3 王鑫;羅斌;周偉華;;基于歸一化割的醫(yī)學圖像分割[A];第十二屆全國圖象圖形學學術會議論文集[C];2005年

4 韓忠玲;韓忠明;汲偉明;姚萌;;基于模擬退火遺傳算法的醫(yī)學圖像偏移場校正[A];第七屆全國信息獲取與處理學術會議論文集[C];2009年

5 張永;馬華;賈桂霞;;基于粗糙集屬性約減的醫(yī)學圖像分割[A];第十二屆全國圖象圖形學學術會議論文集[C];2005年

6 盛朗;朱清;陳進;居小平;;融合全局和局部圖像信息的水平集醫(yī)學圖像分割方法[A];2013年中國智能自動化學術會議論文集（第五分冊）[C];2013年

7 王高峰;黎杰;漆云翔;;膀胱CT圖像的自動動分割[A];中華醫(yī)學會放射腫瘤治療學分會六屆二次暨中國抗癌協(xié)會腫瘤放療專業(yè)委員會二屆二次學術會議論文集[C];2009年

8 盧坤虎;李志勇;;基于CT圖像的三維有限元模型構(gòu)建[A];第十屆全國生物力學學術會議暨第十二屆全國生物流變學學術會議論文摘要匯編[C];2012年

9 婁武濤;侯寅;馬川;劉奇;;基于標記的肝臟CT圖像智能提取[A];中國計算機圖形學進展2008--第七屆中國計算機圖形學大會論文集[C];2008年

相關博士學位論文 前7條

1 郝家勝;基于幾何流的醫(yī)學圖像分割方法及其應用研究[D];哈爾濱工業(yè)大學;2008年

2 謝從華;基于密度模型的醫(yī)學圖像分割方法研究[D];江蘇大學;2011年

3 張小峰;基于模糊聚類算法的醫(yī)學圖像分割技術研究[D];山東大學;2014年

4 孟t-;基于活動輪廓模型的醫(yī)學圖像分割關鍵技術研究[D];東北大學;2010年

5 鄭倩;醫(yī)學圖像分割方法研究及其應用[D];南方醫(yī)科大學;2014年

6 郭艷蓉;醫(yī)學圖像分割與配準若干關鍵問題研究[D];合肥工業(yè)大學;2013年

7 張翔;支持向量機及其在醫(yī)學圖像分割中的應用[D];華中科技大學;2004年

相關碩士學位論文 前10條

1 宋浩;醫(yī)學圖像分割相關算法研究[D];電子科技大學;2014年

2 張憲林;基于活動輪廓模型的醫(yī)學圖像分割方法研究[D];東北大學;2013年

3 易宗劍;基于群智能優(yōu)化算法的醫(yī)學圖像分割研究[D];廣西師范學院;2015年

4 陳靜;基于變分水平集的醫(yī)學圖像分割[D];揚州大學;2015年

5 潘紅;基于Otsu的醫(yī)學圖像分割算法研究[D];吉林大學;2016年

6 吳杰;基于模糊聚類的水平集醫(yī)學圖像分割[D];揚州大學;2016年

7 曾璐璐;改進的PSO優(yōu)化ELM算法在醫(yī)學圖像分割中的應用研究[D];廣西師范學院;2016年

8 陳婷;基于多圖譜配準的醫(yī)學圖像分割[D];大連理工大學;2016年

9 蔣穎;基于聚類的RSF算法在醫(yī)學圖像分割中的應用[D];廣西師范學院;2016年

10 吳宇翔;面向醫(yī)學圖像分割的免疫模糊聚類改進研究[D];東華大學;2017年

，

本文編號：1719746