本文關(guān)鍵詞：基于多尺度分解的醫(yī)學(xué)圖像融合研究

  更多相關(guān)文章： 多模態(tài)醫(yī)學(xué)圖像融合 Contourlet NSCT T混合模型 魯棒主成分分析

【摘要】：隨著計算機(jī)技術(shù)和醫(yī)學(xué)影像技術(shù)的迅猛發(fā)展,供臨床醫(yī)生診斷的醫(yī)學(xué)影像設(shè)備類別與日俱增。由于各類傳感器具有迥然不同的成像原理導(dǎo)致了單一類別傳感器生成醫(yī)學(xué)影像中包含的數(shù)據(jù)信息量有限,難以為臨床醫(yī)生提供可靠、有效的醫(yī)學(xué)信息。針對該問題,學(xué)者們提出多模態(tài)醫(yī)學(xué)圖像融合技術(shù)。多模態(tài)醫(yī)學(xué)圖像融合技術(shù)能夠?qū)碜援愅膫鞲衅鳙@得的醫(yī)學(xué)圖像,經(jīng)過適當(dāng)?shù)钠ヅ浜童B加,以到達(dá)信息互補(bǔ),增加有效信息量,從而為醫(yī)生臨床診斷和治療方案的確定提供有效的參考依據(jù)。為此,本文基于多尺度分解理論、T混合模型以及魯棒主成分分析模型,圍繞多模態(tài)醫(yī)學(xué)圖像融合方法展開研究,提出了兩種多模態(tài)醫(yī)學(xué)圖像融合方法。論文的主要創(chuàng)新工作如下:1.針對高斯分布容易造成數(shù)據(jù)擬合不佳、信息丟失等問題,提出了基于Contourlet和T混合模型的醫(yī)學(xué)圖像融合算法(A Medical Image Fusion Algorithm Based on Contourlet Transform and T mixture models,CT_TMM)。首先將MRI和PET圖像的RGB空間變換成GIHS空間,在此基礎(chǔ)上采用Contourlet變換進(jìn)行多尺度幾何分解,得到多個高頻子帶和一個低頻子帶信息;然后采用絕對值選大法對高頻子帶系數(shù)進(jìn)行融合,低頻部分用EM算法對噪聲或偏移的T混合模型進(jìn)行融合;最后通過Contourlet逆變換得到融合系數(shù),將融合結(jié)果結(jié)合PET圖像的飽和度和色度進(jìn)行綜合獲得最后的融合圖像。對MRI和PET的真實(shí)腦部圖像進(jìn)行實(shí)驗分析,驗證了CT_TMM算法的有效性。2.針對傳統(tǒng)的圖像處理是以單個像素點(diǎn)為基礎(chǔ)進(jìn)行融合而忽略了信息中的相似性以及信息丟失的問題,提出了基于NSCT和RPCA的醫(yī)學(xué)圖像融合算法(Medical Image Fusion Algorithm based on the NSCT and Improved Robust Principal Component Analysis,NSCT_IRPCA)。提出的NSCT_IRPCA算法主要分為三個步驟:(1)采用非下采樣輪廓波(Nonsubsampled Contourlet transform,NSCT)對源圖像數(shù)據(jù)進(jìn)行多尺度分解,得到高頻和低頻部分;(2)運(yùn)用改進(jìn)的魯棒主成分分析(Robust Principal Component Analysis,RPCA)對低頻部分進(jìn)行顯著性檢測,將其分解為低秩的主要信息和稀疏的顯著信息。(3)矩陣中元素的絕對值越大表征更為顯著的特征,所以采用絕對值最大法的融合規(guī)則對兩幅圖像的主要信息部分進(jìn)行融合,對其顯著信息采用相同的融合規(guī)則。對MRI和CT的腦部圖像進(jìn)行融合實(shí)驗,實(shí)驗驗證了算法的有效性。
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 張鑫;陳偉斌;;Contourlet變換系數(shù)加權(quán)的醫(yī)學(xué)圖像融合[J];中國圖象圖形學(xué)報;2014年01期

2 劉羽;汪增福;;結(jié)合小波變換和自適應(yīng)分塊的多聚焦圖像快速融合[J];中國圖象圖形學(xué)報;2013年11期

3 王昕;李瑋琳;劉富;;小波域CT/MRI醫(yī)學(xué)圖像融合新方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年S1期

4 史加榮;鄭秀云;魏宗田;楊威;;低秩矩陣恢復(fù)算法綜述[J];計算機(jī)應(yīng)用研究;2013年06期

5 劉哲;宋余慶;陳健美;晏燕華;謝從華;;基于多分辨率的非參數(shù)正交多項式醫(yī)學(xué)圖像融合方法[J];模式識別與人工智能;2012年02期

6 郭雷;劉坤;;基于非下采樣Contourlet變換的自適應(yīng)圖像融合算法[J];西北工業(yè)大學(xué)學(xué)報;2009年02期

7 晁銳,張科,李言俊;一種基于小波變換的圖像融合算法[J];電子學(xué)報;2004年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 劉園園;快速低秩矩陣與張量恢復(fù)的算法研究[D];西安電子科技大學(xué);2013年

2 李斌;概率混合模型的研究及其應(yīng)用[D];復(fù)旦大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 許興明;基于t混合模型的醫(yī)學(xué)圖像分割方法研究[D];安徽大學(xué);2010年

，

本文編號：1300499