多模態(tài)醫(yī)學(xué)圖像融合通過融合來源于不同成像設(shè)備的醫(yī)學(xué)圖像,用于結(jié)合更多有用的信息并刪除源圖像中的冗余信息。由于現(xiàn)實中不可能從一種成像模式中捕獲所有的細節(jié)信息,因此通過融合多種模態(tài)的醫(yī)學(xué)圖像可以提高成像質(zhì)量,同時增強醫(yī)學(xué)圖像在醫(yī)療問題診斷和評估中的臨床適用性,以進行更加可靠和準確的評估。目前已經(jīng)存在相當多的多模態(tài)醫(yī)學(xué)圖像融合方法,并在臨床上得到了很好的應(yīng)用,但是仍然存在噪聲過多、融合圖像顏色失真以及算法復(fù)雜度過高等不足,不能夠做到實時獲得融合結(jié)果。本文通過詳細介紹多模態(tài)醫(yī)學(xué)圖像融合的研究意義及其背景,并對目前存在的融合算法和相關(guān)理論進行總結(jié)和分析,針對所存在的問題,本文首次提出了一種基于最優(yōu)質(zhì)量傳輸理論的多模態(tài)醫(yī)學(xué)圖像融合方法。具體內(nèi)容如下:1.提出一種基于最優(yōu)質(zhì)量傳輸理論的多模態(tài)醫(yī)學(xué)圖像融合方法。通過全局的角度來解決圖像融合問題,該算法將圖像融合問題表示為概率測度空間內(nèi)的位移插值測地線。為了避免醫(yī)學(xué)圖像黑色背景對融合結(jié)果的影響,首先通過圖像預(yù)處理方法將兩幅待融合的源圖像表示為概率測度空間中的兩個點。然后結(jié)合最優(yōu)質(zhì)量傳輸理論計算兩點之間的最優(yōu)傳輸質(zhì)心,并為了提高計算效率,使用寬松的最優(yōu)質(zhì)量... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

近年來醫(yī)學(xué)圖像融合文獻關(guān)注度

圖 1.3 圖像融合的三個層次框架.1 像素級圖像融合像素級圖像融合是三個層次中最基本的融合，該層次的融合方法一般直接同成像模式的源圖像的像素或者分解系數(shù)進行信息融合，融合算法都是在的基礎(chǔ)上進行的。像素級圖像融合方法獨有的優(yōu)點為：經(jīng)過該類方法獲得像能夠保留源圖像中的更多細節(jié)信息，例如邊緣、紋理等信息，使得融合在內(nèi)容和細節(jié)方面都有所增加，基于這些信息可以對圖像進行進一步分析理解。像素級方法會先對待融合的源圖像進行相應(yīng)的預(yù)處理，如圖像去噪處理，能夠把潛在的目標暴露出來。但是像素級融合的局限性是不能夠被其融合后的圖像容易受到源圖像中噪聲的影響，并且因為它需要對源圖像個像素點進行處理，因此會消耗大量的時間。

SA(Multi-scale Analysis)的方法；2. 基于其他變換域的方法；3. 基于稀疏表(Sparse Representation)的方法。.1.1 基于多尺度分析的方法多尺度分析 MSA(Multi-scaleAnalysis)是一種常用的圖像表達方法，近年來在態(tài)醫(yī)學(xué)圖像融合領(lǐng)域中得到了廣泛的應(yīng)用，同單尺度圖像融合方法相比，MSA通過不同的融合規(guī)則來融合不同尺度中的圖像特征信息。首先通過多尺度分析將源圖像分解為不同層次的子圖像，然后利用相應(yīng)的融合規(guī)則組合得到融合后解系數(shù)，最后，通過圖像分解的逆過程重構(gòu)最終的融合圖像。多模態(tài)醫(yī)學(xué)圖像最常用的 MSA 算法有：1. 基于小波變換的方法[8-15]，2. 基于金字塔的方法[17,2 基于顯著特征的方法[21-23]。


本文編號：3491884