由于人眼對灰度的識別能力遠(yuǎn)遠(yuǎn)低于對彩色的識別能力,所以在癥狀診斷及治療時(shí)對灰度圖像進(jìn)行偽彩色處理,醫(yī)生可以獲得更豐富、更準(zhǔn)確的信息。結(jié)合非下采樣contourlet變換(NonSubsampled Contourlet Transform,NSCT)的平移不變性、多尺度、多方向特性和脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)的同步脈沖發(fā)放、捕獲特性,對醫(yī)學(xué)圖像融合算法進(jìn)行改進(jìn)。主要研究了基于NSCT和PCNN的圖像融合算法,對低頻子帶和高頻子帶分別提出了合理有效的融合規(guī)則,并對灰度融合圖像進(jìn)行偽彩色處理,使融合圖像保留源圖像更多的能量信息、輪廓信息、細(xì)節(jié)信息和來源信息,更便于人眼觀察。首先,使用NSCT分解經(jīng)配準(zhǔn)的源圖像,得到低頻子帶和若干高頻子帶,根據(jù)低頻子帶集中了能量信息和輪廓信息的特點(diǎn),對低頻子帶采用基于灰度值和梯度值相結(jié)合的方法進(jìn)行融合。然后,根據(jù)高頻子帶集中了細(xì)節(jié)信息的特點(diǎn),對高頻子帶采用PCNN的改進(jìn)算法進(jìn)行融合。最后,對灰度融合圖像進(jìn)行偽彩色處理。根據(jù)源圖像的灰度信息,計(jì)算源圖像重疊區(qū)域。使用NSCT和PCNN處理源圖像,得到灰...

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 像素級圖像融合方法
        1.2.2 圖像融合效果的評價(jià)方法
        1.2.3 圖像偽彩色處理
    1.3 本文的研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 非下采樣Contourlet變換和脈沖耦合神經(jīng)網(wǎng)絡(luò)
    2.1 非下采樣Contourlet變換
        2.1.1 非下采樣Contourlet變換原理
        2.1.2 NSCT濾波器的設(shè)計(jì)
        2.1.3 NSCT特性
    2.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)
        2.2.1 PCNN模型及其原理
        2.2.2 PCNN簡化模型
    2.3 本章小結(jié)
第3章 改進(jìn)的NSCT與 PCNN圖像融合算法
    3.1 基于灰度值和梯度值相結(jié)合的低頻融合規(guī)則
    3.2 PCNN算法的改進(jìn)
    3.3 仿真實(shí)驗(yàn)和結(jié)果分析
    3.4 本章小結(jié)
第4章 融合圖像的偽彩色處理
    4.1 基于NSCT和 PCNN的圖像偽彩色處理方法
        4.1.1 計(jì)算源圖像重疊區(qū)域
        4.1.2 計(jì)算融合圖像的來源信息
        4.1.3 灰度融合圖像的偽彩色處理
    4.2 仿真實(shí)驗(yàn)和結(jié)果分析
    4.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所取得的成果
致謝



本文編號：3861895