【摘要】：提出一種多模態(tài)醫(yī)學(xué)圖像融合算法.用非下采樣contourlet變換(non-subsampled contourlet transform,NSCT)將已配準(zhǔn)的源圖像進(jìn)行分解,得到低頻子帶和多層高頻子帶,然后在各子帶中將NSCT系數(shù)進(jìn)行融合.對于低頻子帶,根據(jù)其特性制定規(guī)則融合區(qū)域能量、互信息、信息熵;對于高頻子帶,則依據(jù)改進(jìn)的拉普拉斯能量和融合規(guī)則,用遺傳算法自動優(yōu)化其待定參數(shù).將融合后的高、低頻子帶進(jìn)行NSCT逆變換即可得到融合圖像.對灰度和彩色醫(yī)學(xué)圖像進(jìn)行的實驗表明,與其他方法相比,用該算法得到的融合圖像包含更豐富的紋理信息,視覺效果較好.
[Abstract]:A multimodal medical image fusion algorithm is proposed. The registered source images are decomposed by non-downsampling contourlet transform (non-subsampled contourlet transform,NSCT) to obtain low frequency subbands and multilayer high frequency subbands. Then the NSCT coefficients are fused in each subband. For the low frequency subbands, the rules for fusion region energy, mutual information and information entropy are made according to their characteristics; for the high frequency subbands, the undetermined parameters are automatically optimized by genetic algorithm according to the improved Laplace energy and fusion rules. The fusion image can be obtained by inverse NSCT transform of the high and low frequency subbands. Experiments on gray and color medical images show that compared with other methods, the fusion images obtained by this algorithm contain more abundant texture information, and the visual effect is better.
【作者單位】： 浙江理工大學(xué)自動化研究所;浙江工商大學(xué)信息與電子工程學(xué)院;
【基金】：國家自然科學(xué)基金(No.61374022)資助
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳薇薇;;醫(yī)學(xué)圖像融合方法的研究[J];硅谷;2008年12期

2 李偉,朱學(xué)峰;醫(yī)學(xué)圖像融合技術(shù)及其應(yīng)用[J];中國醫(yī)學(xué)影像技術(shù);2005年07期

3 程t$;醫(yī)學(xué)圖像融合技術(shù)研究概述[J];醫(yī)療衛(wèi)生裝備;2005年04期

4 王夢倩;邵波;岳建華;;醫(yī)學(xué)圖像融合的應(yīng)用與展望[J];醫(yī)療設(shè)備信息;2007年05期

5 李鑫;陳新;徐偉;;一種關(guān)于醫(yī)學(xué)圖像融合的新思想探討[J];醫(yī)療設(shè)備信息;2007年09期

6 夏靜;卜華龍;;醫(yī)學(xué)圖像融合算法概述及其前景展望[J];巢湖學(xué)院學(xué)報;2008年03期

7 胡朝芬;黃之杰;羅來華;;醫(yī)學(xué)圖像融合技術(shù)的臨床應(yīng)用[J];西南國防醫(yī)藥;2010年02期

8 李志貴;蒙祖強(qiáng);;基于相容粒度空間的醫(yī)學(xué)圖像融合技術(shù)[J];計算機(jī)應(yīng)用研究;2010年03期

9 胡朝芬;黃之杰;羅來華;;醫(yī)學(xué)圖像融合技術(shù)研究進(jìn)展[J];醫(yī)療衛(wèi)生裝備;2010年04期

10 李文娟;那彥;;基于云計算及圖像內(nèi)容分析的醫(yī)學(xué)圖像融合方法[J];電子科技;2011年03期

相關(guān)博士學(xué)位論文 前4條

1 楊艷春;基于多尺度變換的醫(yī)學(xué)圖像融合方法研究[D];蘭州交通大學(xué);2014年

2 楊國城;基于多分辨率分析的醫(yī)學(xué)圖像融合關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

3 代茵;多模醫(yī)學(xué)圖像多通道變換融合技術(shù)研究[D];東北大學(xué);2015年

4 葛雯;多模態(tài)醫(yī)學(xué)影像配準(zhǔn)與融合技術(shù)的研究[D];東北大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 王瀚;基于曲波變換醫(yī)學(xué)圖像融合方法的研究[D];鄭州大學(xué);2015年

2 胡斌;多模態(tài)醫(yī)學(xué)圖像融合研究[D];杭州電子科技大學(xué);2016年

3 黃旋;基于超小波變換的醫(yī)學(xué)圖像融合方法研究[D];江西財經(jīng)大學(xué);2016年

4 殷鑫華;基于稀疏表示的醫(yī)學(xué)圖像融合算法研究[D];浙江理工大學(xué);2017年

5 潘樹偉;基于多尺度分析的醫(yī)學(xué)圖像融合算法研究[D];浙江理工大學(xué);2017年

6 徐春艷;基于多尺度分解的醫(yī)學(xué)圖像融合研究[D];江蘇大學(xué);2017年

7 柴苗;醫(yī)學(xué)圖像融合算法研究與應(yīng)用[D];西安電子科技大學(xué);2009年

8 李文娟;云推理醫(yī)學(xué)圖像融合方法研究[D];西安電子科技大學(xué);2011年

9 薛輝;基于二維經(jīng)驗?zāi)B(tài)分解的醫(yī)學(xué)圖像融合[D];吉林大學(xué);2011年

10 孫野;醫(yī)學(xué)圖像融合算法的研究[D];吉林大學(xué);2011年

，

本文編號：2292558