阿爾茨海默病患者的PET圖像能夠反映腦部的新陳代謝變化,但是分辨率較低,難以看清發(fā)病部位的結構;而MRI圖像的分辨率較高,可以顯示清晰的組織結構,但不能顯示組織結構的新陳代謝情況。將阿爾茨海默病患者的PET和MRI圖像進行融合,從而確定代謝異常的具體部位,提高診斷準確率�；赑ET和MRI三維圖像的空間特性選擇基于結構張量的圖像融合方法,此融合方法簡單高效且融合圖像可保留更多的邊緣和細節(jié)信息。目前基于結構張量的三維圖像融合中的問題主要有:梯度的計算未充分考慮鄰域體素的影響導致梯度準確度較低,圖像分解時閾值設定的隨機性使得融合結果不穩(wěn)定,融合規(guī)則的選取對融合圖像的質量產生直接影響。針對結構張量的梯度直接算法考慮鄰域體素較少的問題,將二維Sobel算子引入三維PET和MRI圖像的梯度求解中,為了更好的適應三維圖像的空間特性將其擴展為三維Sobel算子�；诮Y構張量的圖像分解中閾值隨機選取使分解結果具有隨機性,針對此問題提出基于跡的最佳分解,根據跡的閾值與評價指標的擬合曲線的變化趨勢以及分解圖像和融合圖像的視覺效果確定跡的最佳閾值�；诟倪M拉普拉斯的八鄰域加權和的融合規(guī)則在計算三維圖像能量時...

【文章頁數】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內外研究現狀
        1.2.1 圖像融合的層次
        1.2.2 像素級圖像融合方法研究現狀
        1.2.3 基于結構張量的圖像融合的國內外研究現狀
    1.3 本文主要研究內容及結構安排
第二章 PET和MRI成像原理及預處理
    2.1 PET成像原理
    2.2 MRI成像技術
        2.2.1 MRI基本理論
        2.2.2 MRI成像原理
    2.3 PET和MRI圖像預處理
    2.4 本章小結
第三章 基于結構張量的PET和MRI圖像融合
    3.1 圖像融合的流程
    3.2 結構張量的定義和基于結構張量的圖像分解
        3.2.1 二維圖像的結構張量的定義
        3.2.2 基于結構張量的二維圖像分解
        3.2.3 三維圖像的結構張量的定義
        3.2.4 基于結構張量的三維圖像的分解
    3.3 基于結構張量的PET和MRI圖像融合
        3.3.1 基于結構張量的圖像融合
        3.3.2 基于結構張量的圖像分解
        3.3.3 圖像融合與重構
    3.4 圖像評價指標
        3.4.1 主觀評價方法
        3.4.2 客觀評價方法
    3.5 實驗結果與對比分析
    3.6 本章小結
第四章 結構張量中梯度算法的改進及基于跡的最佳分解
    4.1 三維圖像的梯度場計算
        4.1.1 三維圖像直接梯度計算法
        4.1.2 基于改進Sobel算子的三維梯度計算
        4.1.3 不同梯度求法對融合結果的影響
    4.2 基于融合評價指標的跡的閾值的確定
    4.3 閾值設定實驗結果及分析
    4.4 本章小結
第五章 基于改進結構張量的PET和MRI圖像融合
    5.1 基于改進結構張量的PET和MRI圖像融合
    5.2 拉普拉斯能量和的相關理論
    5.3 基于梯度能量的融合規(guī)則
    5.4 實驗結果及分析
    5.5 本章小結
第六章 總結與展望
    6.1 研究內容總結
    6.2 未來工作展望
參考文獻
致謝



本文編號：3794542