隨著科學(xué)技術(shù)的進(jìn)步,圖像科技取得了很大進(jìn)展。但是單傳感器所采集的影像特性單一,對(duì)于提取、分析圖像中的內(nèi)容,以及圖像的后續(xù)處理造成很大局限性。由此,圖像融合應(yīng)運(yùn)而生。圖像融合是將不同傳感器或不同特性的圖像,運(yùn)用一定方法組合成一張圖像的技術(shù)。自出現(xiàn)以來(lái),一直受到越來(lái)越廣泛的關(guān)注并在生產(chǎn)、生活中發(fā)揮著越來(lái)越重要的作用,特別是醫(yī)學(xué)圖像融合在臨床醫(yī)療事業(yè)中的運(yùn)用,取得了巨大成功。醫(yī)學(xué)圖像融合是根據(jù)圖像的特性將不同模態(tài)的醫(yī)學(xué)影像如核磁共振成像與正電子發(fā)射計(jì)算機(jī)斷層成像（MRI-PET）、核磁共振成像與單光子發(fā)射計(jì)算機(jī)斷層成像（MRI-SPECT）、核磁共振成像與計(jì)算機(jī)斷層掃描成像（MRI-CT）等,采用合適的方法整合到一張圖像當(dāng)中的過(guò)程。醫(yī)學(xué)圖像融合是圖像融合的重要分支,其在提高臨床診斷率、準(zhǔn)確進(jìn)行疾病治療等方面發(fā)揮著重要作用。本篇論文的主要工作如下:1)本文詳細(xì)介紹了當(dāng)前幾種主要的多尺度分析方法,介紹了脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）的基本原理,總結(jié)了當(dāng)前幾種主要的圖像融合評(píng)價(jià)方法,并對(duì)常用的融合規(guī)則進(jìn)行了介紹;2)在傳統(tǒng)空間頻率的基礎(chǔ)上,針對(duì)MRI-SPECT、MRI-PET融合,提出一種基于偽空... 

【文章來(lái)源】：云南大學(xué)云南省 211工程院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一IDWT的分解結(jié)構(gòu)

首先對(duì)源始圖像進(jìn)行離散余弦ＤＣＴ變換，然后系數(shù)組化為ＤＣ１、ＤＣ２、ＤＣ３、??Ｃ４，接著對(duì)ＤＣ２、ＤＣ３、ＤＣ４分別進(jìn)行離散余弦逆運(yùn)算得到方垂直、對(duì)角、水平??向性細(xì)節(jié)信息，在Ｃ１上依次進(jìn)行上述過(guò)程可以得到第二層分解結(jié)果。??１．３?曲波變換?Ｃｕｒｖｅｌｅｔ??Ｃｕｒｖｅｌｅｔ變換是一些列子帶濾波器［４Ｓ］和脊波變換［４９］［５Ｑ］的基礎(chǔ)上建立而來(lái)。相??于傳統(tǒng)的小波變換方法，Ｃｕｒｖｅｌｅｔ含有處理方向信息的方向參數(shù)，具有優(yōu)良的方??各異性，對(duì)表示圖像的邊緣信息、處理曲線的奇點(diǎn)等更加有效，另外，其可以使??更少的系數(shù)準(zhǔn)確重構(gòu)出源圖像［５１］。??Ｃｕｒｖｅｌｅｔ變換一般過(guò)程如下：??子帶分解。設(shè)二維目標(biāo)函數(shù)為／通過(guò)定義的子帶濾波器組ｇ，（Ａｓ，ｓ２０）將／進(jìn)??分解，??－＞ＦＡＡ．．．（２－８）??

ｇＱ＝｛ＴＱＹ＼ｗＱ＼ｆ）?（２－１２）??脊波分析。最后局部窗內(nèi)的系數(shù)進(jìn)行正交脊波分析，設(shè)正交基的基本元素為??巧，則分析結(jié)果可表示為，??ａｕ＝｛ｓｅ，Ｐ；．）?（２－１３）??Ｃｕｒｖｅｌｅｔ逆變換即為公式（２－８）至（２－１３）的逆運(yùn)算，先后順序?yàn)榧共ǚ治觥??重正則化、平滑分割和子帶重構(gòu)，??Ｓｑ??義??ｈｇ＝（Ｔｅ）ｇ〇，??＇ｆ?ａ?（２－１４）??Ｑ＾ＱＳ??ｆ?＝?Ｐ〇（Ｐ〇ｆ）?＋?Ｙ＾（Ａｓｆ）??、?５＞０??其中，ｒｅ為正則化后的結(jié)果。詳細(xì)Ｃｕｒｖｅｌｅｔ變換過(guò)程可參見(jiàn)文獻(xiàn)［５４］。??Ｃｕｒｖｅｌｅｔ分解變換結(jié)構(gòu)如圖２－３所示。??

【參考文獻(xiàn)】：
期刊論文
[1]基于兩種不同高頻融合規(guī)則的醫(yī)學(xué)圖像融合[J]. 孟令玉,聶仁燦,何敏,周冬明.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(02)
[2]基于一種新分解框架結(jié)合局部拉普拉斯濾波的醫(yī)學(xué)圖像融合[J]. 孟令玉,聶仁燦,周冬明,賀康建,何敏.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[3]基于非下采樣剪切波變換域的圖像增強(qiáng)方法[J]. 蔣燕,范恩.  控制工程. 2018(11)
[4]基于螢火蟲(chóng)優(yōu)化的自適應(yīng)PCNN遙感圖像融合[J]. 趙春暉,張宏宇,閆奕名,宿南.  哈爾濱工程大學(xué)學(xué)報(bào). 2019(03)
[5]基于稀疏表示的醫(yī)學(xué)圖像融合[J]. 邱紅梅,李華鋒,余正濤.  傳感器與微系統(tǒng). 2017(10)
[6]基于人眼視覺(jué)特性與自適應(yīng)PCNN的醫(yī)學(xué)圖像融合算法[J]. 戴文戰(zhàn),潘樹(shù)偉,李俊峰.  光電子·激光. 2017(07)
[7]核范數(shù)和譜范數(shù)下廣義Sylvester方程最小二乘問(wèn)題的有效算法[J]. 李姣芬,宋丹丹,李濤,黎穩(wěn).  計(jì)算數(shù)學(xué). 2017(02)
[8]基于SCM模型的自適應(yīng)醫(yī)學(xué)圖像融合方法[J]. 牛玲,王雪華.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[9]基于離散余弦變換的非局部均值圖像去噪算法[J]. 沈萍萍,余勤.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(01)
[10]基于人眼視覺(jué)特性的NSCT醫(yī)學(xué)圖像自適應(yīng)融合[J]. 戴文戰(zhàn),姜曉麗,李俊峰.  電子學(xué)報(bào). 2016(08)

博士論文
[1]基于多尺度分解的多源圖像融合算法研究[D]. 李勇.吉林大學(xué) 2010

碩士論文
[1]基于引導(dǎo)濾波的NSCT域圖像融合方法研究[D]. 姚吉.南昌航空大學(xué) 2018
[2]方向?yàn)V波器組的構(gòu)造及其在圖像融合中的應(yīng)用[D]. 董迪.湖北大學(xué) 2017
[3]基于稀疏表示的醫(yī)學(xué)圖像融合算法研究[D]. 殷鑫華.浙江理工大學(xué) 2017
[4]基于自適應(yīng)云模型的多模態(tài)醫(yī)學(xué)圖像融合方法研究[D]. 趙佳.重慶郵電大學(xué) 2016
[5]基于離散小波變換的多模態(tài)醫(yī)學(xué)圖像融合算法研究[D]. 徐磊.南京醫(yī)科大學(xué) 2016
[6]基于PCNN的圖像融合方法的研究[D]. 于海慧.華北電力大學(xué) 2015
[7]基于小波變換的圖像融合算法的研究[D]. 楊嬌.中國(guó)地質(zhì)大學(xué)（北京） 2014
[8]基于稀疏表示與字典學(xué)習(xí)的圖像融合方法研究[D]. 姜東.西安電子科技大學(xué) 2013
[9]子帶濾波器組的設(shè)計(jì)與應(yīng)用研究[D]. 李阜東.西安電子科技大學(xué) 2003



本文編號(hào)：3295334