發(fā)布時間：2020-04-03 02:04

【摘要】：醫(yī)學(xué)成像技術(shù)的發(fā)展為臨床診斷提供了直觀的圖像依據(jù),現(xiàn)已得到了廣泛的應(yīng)用。然而單一模態(tài)的醫(yī)學(xué)影像往往不能提供更加全面的醫(yī)學(xué)信息,如何將多模態(tài)醫(yī)學(xué)成像信息高效融合,獲得更加全面、準確、快速的臨床診斷圖像,就成了一項急需解決的問題。為了提高圖像的清晰度,改善圖像的視覺效果,本文提出了一種基于梯度域的醫(yī)學(xué)圖像增強技術(shù),并在此基礎(chǔ)上結(jié)合拉普拉斯多尺度分解方案,設(shè)計出一種基于圖像梯度提升的多尺度醫(yī)學(xué)圖像融合算法。主要研究工作如下:1)簡要介紹了圖像處理的背景知識及研究意義。從圖像融合的角度對融合算法及評價方法進行說明,指出醫(yī)學(xué)圖像的特點及研究意義。文章最后介紹了圖像增強算法和多尺度融合算法,并指出了算法的優(yōu)缺點及改進方向。2)針對醫(yī)學(xué)融合圖像對圖像對比度和圖像紋理要求較高的情況,本文提出了一種全新的基于梯度提升的圖像增強算法。對輸入的醫(yī)學(xué)圖像首先進行圖像對比度和圖像紋理輪廓的特征提取,通過對特征信息的詳細分析分別提出了針對圖像細節(jié)區(qū)域和邊緣區(qū)域的兩種參考函數(shù)。然后,在充分分析了參考函數(shù)間的相關(guān)性后再次提出了自適應(yīng)加權(quán)系數(shù)用來作為梯度映射的一個重要參考量。最后,把梯度系數(shù)與原始圖像相乘獲得增強圖像。由于本文提出的梯度提升算法對圖像紋理輪廓比較敏感對圖像噪聲不敏感,因此該算法在改善圖像對比度和紋理輪廓的同時能夠有效的抑制圖像噪聲,從而獲得更加清晰的增強圖像。3)文章提出了一種基于梯度域的多尺度醫(yī)學(xué)圖像融合算法。首先,通過拉普拉斯金字塔分解方案,獲得多尺度的殘差子帶圖像(RSI)和基底子帶圖像(BSI)。然后,對分解后的RSI圖像和BSI圖像分別采用:基于興趣信息的圖像融合規(guī)則和基于局部能量最大值方案的融合規(guī)則。最后,通過拉普拉斯金字塔逆運算過程重建融合圖像。融合結(jié)果改善了圖像紋理輪廓的同時增強了圖像對比度,使得融合圖像更加清晰。與多種融合方法進行比較,從主觀觀察與客觀指標兩個方面均表明了所提方法的優(yōu)越性。
【圖文】：

種醫(yī)學(xué)影像入手，，對ＭＲＩ、ＰＥＴ、ＳＰＥＣＴ圖像進行詳細介紹。逡逑２．１．丨ＭＲＩ圖像逡逑ＭＲＩ邋（如圖２．１）是核磁共振成像。ＭＲ丨成像是通過捕捉射頻磁場和靜磁場共逡逑同作用產(chǎn)生的共振信號，利用計算機技術(shù)對信號分析和重構(gòu)，最終獲得圖像的技術(shù)逡逑１３９］。ＭＲＩ圖像分辨率較高，可獲得人體多個角度的解剖圖像，通過多組參數(shù)設(shè)置逡逑可獲得人體相同部位的ＰＤＷｌ、Ｔ１ＷＩ、Ｔ２Ｗ丨等多種對比度圖像，但其對鈣化組織逡逑和氫原子密度低的部位圖像顯示效果不理想１？。逡逑ｍｍ逡逑圖２．１邋ＭＲＩ醫(yī)學(xué)圖像逡逑ｎ逡逑

云南大學(xué)（專業(yè)）碩士學(xué)位論文逡逑２．１．２邐ＰＥＴ邋圖像逡逑ＰＥＴ邋（如圖２．２）是比較先進的醫(yī)學(xué)成像設(shè)備，它是由正電子發(fā)射型計算機斷逡逑層技術(shù)獲取的圖像。一般是把正電子發(fā)射的同位素注入體內(nèi)，由于人體新陳代謝的逡逑不斷進行正電子動能不斷消耗，最終會產(chǎn)生熱平衡而發(fā)生湮滅現(xiàn)象［４１］。湮滅完成逡逑后會產(chǎn)兩個質(zhì)量都為０．５１１邋Ｍｅｖ的能量光子ｔ４２ｌ。這種光子往往集聚在人體組織新陳逡逑代謝比較旺盛的區(qū)域（如腫瘤等），大量的光子聚集會被計算機捕捉到，對捕捉的逡逑光子信號進行數(shù)據(jù)重建，最終獲得ＰＥＴ圖像［４＼逡逑ｍｍ逡逑圖２．２邋ＰＥＴ醫(yī)學(xué)圖像逡逑２．１．３邐ＳＰＥＣＴ邋圖像逡逑ＳＰＥＣＴ邋（如圖２．３）單光子發(fā)射計算機斷層成像，它是利用半衰期較短的放射逡逑性同位素衰變特性產(chǎn)生的圖像１４４］。成像原理是以藥物為載體把放射性同位素注入逡逑人體，由于同位素最外層電子的不穩(wěn)定性，易失去光子，利用計算機技術(shù)檢測并記逡逑錄光子的動態(tài)變化，最后在經(jīng)過一系列的信號放大分析等操作，生成ＳＰＥＣＴ圖像逡逑１４５］。由于代謝旺盛的組織部位同位素衰變較快
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R310;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 溫凱峰;李秉鍵;;基于多尺度系數(shù)分解框架的醫(yī)學(xué)圖像融合[J];系統(tǒng)仿真學(xué)報;2015年10期

2 李紅巖;寧梓m

本文編號：2612776