隨著對(duì)成像技術(shù)和成像設(shè)備研究的不斷深入,各種模態(tài)的醫(yī)學(xué)圖像層出疊見,極大地促進(jìn)了醫(yī)學(xué)影像技術(shù)的發(fā)展。但是由于成像原理的不同以及成像設(shè)備的物理局限,單一模態(tài)的醫(yī)學(xué)圖像無法全面反映患者身體某部位或某器官的信息,且相互之間無法替代。因此,解決多種模態(tài)醫(yī)學(xué)圖像的優(yōu)勢(shì)集成、冗余去除等問題就變得極具意義,多模態(tài)圖像融合技術(shù)也應(yīng)時(shí)而生�；诙喑叨确治龅膱D像融合方法是近年的研究熱點(diǎn),其中非下采樣Contourlet變換(Nonsubsampled Contourlet Transform,NSCT)相比于小波變換、Contourlet變換等具有多方向特性、多尺度特性及平移不變性,更適于圖像融合。脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)符合人眼視覺系統(tǒng)的生理機(jī)制,具有同步脈沖發(fā)放和全局耦合特性。因此本文先通過實(shí)驗(yàn)驗(yàn)證了NSCT在融合領(lǐng)域中的最佳濾波器組合,然后在NSCT域下對(duì)基于PCNN的融合方法做深入研究。本文的主要研究成果和結(jié)論如下:(1)針對(duì)傳統(tǒng)PCNN模型的參數(shù)設(shè)置不靈活、實(shí)時(shí)性和準(zhǔn)確性差等問題,設(shè)計(jì)了一種NSCT域內(nèi)模型關(guān)鍵參數(shù)依據(jù)圖像特征自適應(yīng)調(diào)...

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 多尺度變換及其融合方法的研究現(xiàn)狀
        1.2.2 基于PCNN的圖像融合方法的研究現(xiàn)狀
    1.3 存在的問題與挑戰(zhàn)
    1.4 本文的組織結(jié)構(gòu)
第2章 基本理論
    2.1 醫(yī)學(xué)圖像及融合方法分類
        2.1.1 醫(yī)學(xué)圖像的特點(diǎn)及分類
        2.1.2 圖像融合方法分類
    2.2 NSCT變換基本理論及融合框架
        2.2.1 NSCT基本理論
        2.2.2 基于NSCT的圖像融合框架
    2.3 脈沖耦合神經(jīng)網(wǎng)絡(luò)基本理論
        2.3.1 PCNN標(biāo)準(zhǔn)模型
        2.3.2 本文采用的簡(jiǎn)化模型
        2.3.3 PCNN模型關(guān)鍵參數(shù)分析
    2.4 圖像融合評(píng)價(jià)指標(biāo)
        2.4.1 主觀評(píng)價(jià)指標(biāo)
        2.4.2 客觀評(píng)價(jià)指標(biāo)
    2.5 本章小結(jié)
第3章 NSCT域內(nèi)PCNN關(guān)鍵參數(shù)自適應(yīng)設(shè)置融合算法
    3.1 引言
    3.2 NSCT濾波器的對(duì)比選擇實(shí)驗(yàn)
    3.3 本章算法框架及融合規(guī)則
        3.3.1 本章算法框架
        3.3.2 PCNN的連接范圍的設(shè)置
        3.3.3 PCNN的連接強(qiáng)度的設(shè)置
        3.3.4 PCNN的外部激勵(lì)的設(shè)置
    3.4 實(shí)驗(yàn)結(jié)果分析與討論
    3.5 本章小結(jié)
第4章 適用于CT與多種MRI加權(quán)圖像的GIF結(jié)合PCNN的融合算法
    4.1 引言
    4.2 引導(dǎo)濾波的基本原理
    4.3 本章算法框架及融合規(guī)則
        4.3.1 本章算法框架
        4.3.2 帶通子帶融合規(guī)則
        4.3.3 低通子帶融合規(guī)則
    4.4 實(shí)驗(yàn)結(jié)果分析與討論
    4.5 本章小結(jié)
第5章 適用于彩色醫(yī)學(xué)圖像的SFLA結(jié)合PCNN全參數(shù)自適應(yīng)設(shè)置融合算法
    5.1 引言
    5.2 混合蛙跳算法基本原理
        5.2.1 混合蛙跳算法基本思想
        5.2.2 SFLA數(shù)學(xué)模型及尋優(yōu)流程
        5.2.3 SFLA基本流程
    5.3 本章算法框架及融合規(guī)則
        5.3.1 本章算法框架
        5.3.2 SFLA參數(shù)初始化及本章算法的適應(yīng)度函數(shù)
        5.3.3 SFLA-PCNN優(yōu)化模型
    5.4 實(shí)驗(yàn)結(jié)果分析與討論
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論及創(chuàng)新點(diǎn)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
致謝



本文編號(hào)：3842080