不同的成像設(shè)備可以在不同的光學(xué)條件或不同的時(shí)間獲取一個(gè)場(chǎng)景的多個(gè)圖像。圖像融合將針對(duì)同一場(chǎng)景的多源圖像融合成具有最大信息內(nèi)容的單個(gè)圖像,而不產(chǎn)生源圖像中不存在的信息。融合圖像比單一源圖像更好地描述場(chǎng)景,圖像融合是提高圖像信息質(zhì)量的有效方法。圖像融合技術(shù)已經(jīng)在醫(yī)學(xué)成像、顯微成像、遙感和計(jì)算機(jī)視覺(jué)等領(lǐng)域得到了廣泛應(yīng)用。圖像分解是基于變換域的圖像融合方法的關(guān)鍵步驟,圖像的分解程度直接影響到最終的融合效果。多尺度分解方法是目前被廣泛應(yīng)用的圖像分解方法,但傳統(tǒng)的多尺度分解方法往往沒(méi)有依據(jù)圖像自身的性質(zhì)進(jìn)行分解,容易造成高低頻子帶區(qū)分不開以及混頻的現(xiàn)象。若能夠依據(jù)圖像的性質(zhì)自適應(yīng)地對(duì)圖像進(jìn)行分解,就可以更好地提取圖像的紋理、細(xì)節(jié)等特征,有利于得到更好的融合效果。為解決上述問(wèn)題,本文的具體研究?jī)?nèi)容如下:1.基于自適應(yīng)分解的多模態(tài)醫(yī)學(xué)圖像融合算法多模態(tài)醫(yī)學(xué)圖像反映了關(guān)于人體器官和患病組織的不同信息。在臨床診斷中,單一模態(tài)圖像往往不能提供足夠的信息,多模態(tài)醫(yī)學(xué)圖像融合可以彌補(bǔ)單一檢查成像的不足。在傳統(tǒng)的醫(yī)學(xué)圖像融合方法中,源圖像被分解到固定的空間基底中,沒(méi)有依據(jù)圖像本身的性質(zhì)區(qū)分低頻部分和高頻部分,往往... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：111 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 圖像融合
        1.2.2 圖像的變換與分解
    1.3 本文研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
第2章 基于自適應(yīng)分解的多模態(tài)醫(yī)學(xué)圖像融合算法研究
    2.1 引言
    2.2 基于自適應(yīng)分解的多模態(tài)醫(yī)學(xué)圖像融合算法
        2.2.1 圖像自適應(yīng)分解
        2.2.2 動(dòng)態(tài)融合規(guī)則
        2.2.3 融合框架
    2.3 實(shí)驗(yàn)結(jié)果與分析
        2.3.1 實(shí)驗(yàn)設(shè)置
        2.3.2 主觀評(píng)價(jià)結(jié)果
        2.3.3 客觀評(píng)價(jià)結(jié)果
        2.3.4 算法收斂性與時(shí)間開銷
    2.4 本章小結(jié)
第3章 基于自適應(yīng)經(jīng)驗(yàn)?zāi)B(tài)分解的多焦距圖像融合算法研究
    3.1 引言
    3.2 基于自適應(yīng)窗口經(jīng)驗(yàn)?zāi)B(tài)分解的多焦距圖像融合算法
        3.2.1 經(jīng)驗(yàn)?zāi)B(tài)分解基本原理
        3.2.2 WEMD算法
        3.2.3 融合規(guī)則
        3.2.4 算法框架
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)設(shè)置
        3.3.2 主觀評(píng)價(jià)
        3.3.3 客觀評(píng)價(jià)
        3.3.4 運(yùn)行時(shí)間比較
        3.3.5 彩色多焦距圖像融合
    3.4 本章小結(jié)
第4章 基于自適應(yīng)分解和CNN的欠曝光圖像增強(qiáng)算法研究
    4.1 引言
    4.2 基于自適應(yīng)經(jīng)驗(yàn)曲波分解和CNN的欠曝光圖像增強(qiáng)方法
        4.2.1 算法框架
        4.2.2 灰度變換
        4.2.3 同步自適應(yīng)分解方法
        4.2.4 CNN訓(xùn)練模型
        4.2.5 決策圖
        4.2.6 融合規(guī)則
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 主觀視覺(jué)對(duì)比
        4.3.3 客觀評(píng)價(jià)
        4.3.4 運(yùn)行時(shí)間對(duì)比
    4.4 本章小節(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于非下采樣Bandelet變換的多聚焦圖像融合[J]. 楊揚(yáng),戴明,周籮魚,孫明超.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(02)
[2]基于窗口經(jīng)驗(yàn)?zāi)Ｊ椒纸獾尼t(yī)學(xué)圖像增強(qiáng)[J]. 梁靈飛,平子良.  光電子.激光. 2010(09)



本文編號(hào)：3181280