本論文研究了基于模糊邏輯和RBF模糊神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像融合算法。 首先,本文提出了一種基于T-S模糊推理系統(tǒng)的醫(yī)學(xué)圖像融合算法。該算法利用T-S模糊推理系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的等價(jià)性原理,做出一個(gè)與之相等價(jià)的RBF模糊神經(jīng)網(wǎng)絡(luò),根據(jù)誤差反向傳播算法以及一階梯度修正算法,通過RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練得到其各項(xiàng)參數(shù),進(jìn)而得到T-S模糊推理系統(tǒng)。將CT圖像與MRI圖像作為T-S模糊推理系統(tǒng)的輸入,則輸出就是融合結(jié)果。 其次,本文還提出了一種基于RBF模糊神經(jīng)網(wǎng)絡(luò)的融合方法,該方法簡化了網(wǎng)絡(luò)結(jié)構(gòu)與訓(xùn)練算法,同時(shí)提高了融合性能。最后本文還將圖像的區(qū)域方差引入,與模糊神經(jīng)網(wǎng)絡(luò)融合算法相結(jié)合,能夠顯著改善融合圖像軟組織部分的融合性能。 通過主觀上的觀察以及客觀的評價(jià)指標(biāo),與傳統(tǒng)的融合方法進(jìn)行比較分析,本文的兩種方法較好的綜合了兩種醫(yī)學(xué)圖像的信息。而通過對噪聲污染圖像的融合進(jìn)行實(shí)驗(yàn)和對比分析,這兩種方法對噪聲也具有很好的適應(yīng)性。 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 醫(yī)學(xué)圖像概述
        1.1.1 CT成像機(jī)理及圖像特點(diǎn)
        1.1.2 MRI成像機(jī)理及圖像特點(diǎn)
    1.2 醫(yī)學(xué)圖像融合技術(shù)的發(fā)展及研究現(xiàn)狀
    1.3 CT與MRI圖像融合的臨床意義
    1.4 論文主要內(nèi)容及章節(jié)安排
第二章 醫(yī)學(xué)圖像融合及相關(guān)理論
    2.1 醫(yī)學(xué)圖像的配準(zhǔn)
        2.1.1 基于特征的醫(yī)學(xué)圖像配準(zhǔn)方法
        2.1.2 基于灰度的配準(zhǔn)方法
    2.2 醫(yī)學(xué)圖像信息綜合
    2.3 醫(yī)學(xué)圖像融合現(xiàn)有方法介紹
        2.3.1 空間域融合方法
        2.3.2 變換域融合方法
    2.4 模糊數(shù)學(xué)理論基礎(chǔ)
        2.4.1 模糊集合及其隸屬度函數(shù)
        2.4.2 “如果-則”推理規(guī)則
        2.4.3 推理系統(tǒng)的反模糊化
        2.4.4 常用的模糊推理方法
    2.5 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
        2.5.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用
        2.5.2 人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與模型
        2.5.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
    2.6 本章小結(jié)
第三章 基于Takagi-Sugeno 型模糊推理的醫(yī)學(xué)圖像融合
    3.1 Takagi-Sugeno型模糊推理系統(tǒng)
        3.1.1 純模糊邏輯系統(tǒng)
        3.1.2 Mamdani型模糊推理系統(tǒng)
        3.1.3 Takagi-Sugeno型模糊推理系統(tǒng)
    3.2 基于T-S型模糊推理系統(tǒng)的醫(yī)學(xué)圖像融合算法
        3.2.1 T-S模糊推理系統(tǒng)與RBF神經(jīng)網(wǎng)絡(luò)的等價(jià)關(guān)系
        3.2.2 基于T-S型模糊推理系統(tǒng)的醫(yī)學(xué)圖像融合算法
    3.3 RBF模糊神經(jīng)網(wǎng)絡(luò)模型及訓(xùn)練算法
        3.3.1 RBF模糊神經(jīng)網(wǎng)絡(luò)模型
        3.3.2 RBF模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法
    3.4 本章小結(jié)
第四章 基于T-S 模糊推理的圖像融合實(shí)驗(yàn)
    4.1 實(shí)驗(yàn)流程
    4.2 實(shí)驗(yàn)及結(jié)果
    4.3 噪聲圖像融合實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 基于RBF 模糊神經(jīng)網(wǎng)絡(luò)的圖像融合
    5.1 基于RBF模糊神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像融合
        5.1.1 RBF模糊神經(jīng)網(wǎng)絡(luò)模型
        5.1.2 網(wǎng)絡(luò)的訓(xùn)練
        5.1.3 實(shí)驗(yàn)與仿真
    5.2 基于區(qū)域特征的改進(jìn)算法
        5.2.1 問題的提出
        5.2.2 算法的改進(jìn)
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 課題展望
致謝
參考文獻(xiàn)
研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于Matlab和給小費(fèi)模型的Mamdani與Takagi＆Sugeno型模糊推理算法研究[J]. 黃丹.  中國西部科技. 2009(27)
[2]基于Fuzzy-RBFNN的多模醫(yī)學(xué)圖像融合方法研究[J]. 朱正平,孫傳慶,王秀麗,王陽萍.  自動化與儀器儀表. 2009(03)
[3]像素級遙感圖像融合方法研究[J]. 盧森宗.  現(xiàn)代測繪. 2009(03)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的圖像識別研究[J]. 張海波,董槐林,龍飛,郭世可.  計(jì)算機(jī)與現(xiàn)代化. 2008(05)
[5]基于改進(jìn)的RBF模糊神經(jīng)網(wǎng)絡(luò)濾波的噪聲消除[J]. 羅俊海,李錄明,葉丹霞,周懷來.  系統(tǒng)仿真學(xué)報(bào). 2007(21)
[6]基于特征點(diǎn)互信息預(yù)配準(zhǔn)的醫(yī)學(xué)圖像配準(zhǔn)技術(shù)[J]. 伍亞軍,周正東,戴耀東.  南京航空航天大學(xué)學(xué)報(bào). 2007(05)
[7]基于RBF神經(jīng)網(wǎng)絡(luò)的隸屬度函數(shù)學(xué)習(xí)算法[J]. 李延新,李光宇,李文.  大連交通大學(xué)學(xué)報(bào). 2007(02)
[8]基于區(qū)域特征與神經(jīng)元網(wǎng)絡(luò)的圖像融合[J]. 趙海濱,王宏,喻春陽.  儀器儀表學(xué)報(bào). 2006(S3)
[9]基于紅外特征與區(qū)域相似的圖像融合算法[J]. 楊翠,張建奇.  西安電子科技大學(xué)學(xué)報(bào). 2006(06)
[10]模糊推理系統(tǒng)的MATLAB仿真研究[J]. 劉富強(qiáng),李智敏,陳紅舟.  船電技術(shù). 2006(04)

博士論文
[1]基于互信息的多模醫(yī)學(xué)圖像配準(zhǔn)方法研究[D]. 王海南.西北工業(yè)大學(xué) 2006

碩士論文
[1]醫(yī)學(xué)圖像融合算法研究[D]. 吳疆.西北工業(yè)大學(xué) 2006



本文編號：3698268