【摘要】：醫(yī)學(xué)圖像融合是醫(yī)學(xué)成像和放射醫(yī)學(xué)領(lǐng)域的熱門研究之一,得到了醫(yī)學(xué)和工程領(lǐng)域廣泛認(rèn)可,將具有互補(bǔ)信息的兩種或兩種以上的醫(yī)學(xué)圖像信息融合成了研究的熱門方向。本文針對(duì)基于聚類與SR的多模態(tài)醫(yī)學(xué)圖像融合做出的改進(jìn)以及主要研究?jī)?nèi)容如下:針對(duì)多模態(tài)醫(yī)學(xué)圖像融合中過完備自適應(yīng)字典存在的大量冗余信息會(huì)導(dǎo)致圖像重建質(zhì)量不佳的問題,提出了基于聯(lián)合圖像塊聚類自適應(yīng)字典學(xué)習(xí)的多模態(tài)醫(yī)學(xué)圖像融合方法(JCPD)。通過預(yù)處理減少冗余圖像塊的數(shù)量。然后提取圖像塊的局部梯度信息作為聚類中心,進(jìn)行聯(lián)合圖像塊聚類。在聯(lián)合圖像塊聚類的基礎(chǔ)上進(jìn)行訓(xùn)練得到子字典,并將子字典合并成自適應(yīng)字典。最后在自適應(yīng)字典的作用下得到稀疏表示系數(shù),將稀疏系數(shù)融合,重建得到融合圖像。實(shí)驗(yàn)表明所提方法在保證字典信息的完整性和字典的緊湊性基礎(chǔ)上使得融合的圖像清晰度更高、對(duì)比度更強(qiáng)。針對(duì)基于稀疏表示的多模態(tài)醫(yī)學(xué)圖像融合中細(xì)節(jié)保留能力不足的問題,本文提出了基于密度峰值聚類與卷積稀疏表示的多模態(tài)醫(yī)學(xué)圖像融合方法(CSR-DPC)。將醫(yī)學(xué)圖像分層得到基礎(chǔ)層圖像和細(xì)節(jié)層圖像。將細(xì)節(jié)層圖像使用卷積稀疏表示融合得到融合的細(xì)節(jié)層圖像,將基礎(chǔ)層圖像使用聚類得到若干類簇,訓(xùn)練得到自適應(yīng)字典,融合得到基礎(chǔ)層稀疏系數(shù),重構(gòu)得到基礎(chǔ)層融合圖像;最后將融合的細(xì)節(jié)層圖像與融合的基礎(chǔ)層圖像融合重構(gòu)得到最后的融合圖像。實(shí)驗(yàn)表明所提方法使圖像細(xì)節(jié)更清晰,視覺質(zhì)量更好,客觀評(píng)價(jià)指標(biāo)更優(yōu)。針對(duì)本文提出的兩種改進(jìn)方法,基于Python開發(fā)了多模態(tài)醫(yī)學(xué)圖像融合系統(tǒng)。該系統(tǒng)的主要分為登錄界面、注冊(cè)界面以及系統(tǒng)主界面。系統(tǒng)主界面中實(shí)現(xiàn)的功能有:輸入源圖像、選擇融合方法、輸出融合結(jié)果。融合方法模塊通過對(duì)比不同方法,表明本文提出的兩種方法融合效果更好。
【圖文】：

i ij cj i d d 0 0x,x （22.14）中，ijd 表示樣本點(diǎn) i ， j 間的歐式距離，cd 表示距離閾值，通常局到數(shù)據(jù)點(diǎn) 的歐式距離小于距離閾值 的點(diǎn)的數(shù)目。計(jì)算數(shù)據(jù)點(diǎn) 和其他間的距離i ，如式： j ii j: p p ij min d （局密度最大的點(diǎn)，令i j ij max d。練樣本訓(xùn)練得到聚類結(jié)果如圖 2.2，其中不同的顏色代表學(xué)習(xí)得到的三個(gè)類表示運(yùn)行得到的聚類中心。將數(shù)據(jù)點(diǎn)做成統(tǒng)計(jì)模式如圖 2.3 所示，數(shù)據(jù)點(diǎn)度分布在坐標(biāo)圖上，不同的顏色表示不同的類簇，同時(shí)距離兩個(gè)坐標(biāo)軸距坐標(biāo)軸最右上角的區(qū)域?yàn)榫垲愔行摹?

圖 2.3 數(shù)據(jù)的決策圖。 不同的顏色對(duì)應(yīng)于不同的簇。態(tài)醫(yī)學(xué)圖像融合方法的性能評(píng)價(jià)模態(tài)醫(yī)學(xué)圖像融合之后，為了有效地評(píng)估其融合結(jié)果，其評(píng)價(jià)方法主要分法和客觀評(píng)價(jià)方法，因?yàn)獒t(yī)學(xué)圖像成像原理不同，將不同模態(tài)的具有互補(bǔ)以及共同的信號(hào)部分融合后形成一個(gè)整體信號(hào)，由于不同成像機(jī)器運(yùn)行環(huán)機(jī)理不同形成的效果也有待于評(píng)價(jià)。評(píng)價(jià)方法如圖 2.4 所示，，傳統(tǒng)的 MM可以分為基于主觀觀測(cè)的評(píng)價(jià)方法以及基于客觀數(shù)據(jù)指標(biāo)描述的方法，簡(jiǎn)和客觀評(píng)價(jià)，通常單純依靠主觀評(píng)價(jià)很難達(dá)到預(yù)期效果還需要耗費(fèi)巨大的實(shí)驗(yàn)上，正常的做法是用客觀評(píng)價(jià)指標(biāo)將融合結(jié)果計(jì)算得到相關(guān)數(shù)據(jù)，根對(duì)比相關(guān)的范圍閾值，再參考主觀評(píng)價(jià)對(duì)融合結(jié)果做出最適合的評(píng)定。
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;R318

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典圖像分類（英文）[J];Frontiers of Information Technology & Electronic Engineering;2017年11期

2 黃宏圖;畢篤彥;侯志強(qiáng);胡長(zhǎng)城;高山;查宇飛;庫濤;;基于稀疏表示的視頻目標(biāo)跟蹤研究綜述[J];自動(dòng)化學(xué)報(bào);2018年10期

3 劉嘎瓊;;改進(jìn)稀疏表示的人臉識(shí)別在高校管理中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2018年11期

4 余慶輝;朱晗琰;吳海霞;戈曉玲;潘逸煒;;基于類內(nèi)稀疏表示的人臉識(shí)別[J];科技展望;2015年32期

5 滕升華;商勝楠;王芳;趙增順;;一種基于復(fù)合稀疏表示的阿爾茨海默病的診斷方法[J];生物醫(yī)學(xué)工程研究;2016年01期

6 黃宏圖;畢篤彥;高山;查宇飛;侯志強(qiáng);;基于局部敏感核稀疏表示的視頻跟蹤[J];電子與信息學(xué)報(bào);2016年04期

7 張保慶;穆志純;曾慧;;基于非負(fù)稀疏表示的遮擋人耳識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年08期

8 張石清;趙小明;樓宋江;闖躍龍;郭文平;陳盈;;一種局部敏感的核稀疏表示分類算法[J];光電子.激光;2014年09期

9 陳思寶;許立仙;羅斌;;基于多重核的稀疏表示分類[J];電子學(xué)報(bào);2014年09期

10 李映;張艷寧;許星;;基于信號(hào)稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

相關(guān)會(huì)議論文 前10條

1 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 楊寶;朱啟兵;黃敏;;基于非負(fù)矩陣分解一稀疏表示分類的玻璃缺陷圖像識(shí)別[A];第24屆中國控制與決策會(huì)議論文集[C];2012年

3 田野;張立新;嚴(yán)濤;楊志梅;張茁;;基于稀疏表示的北斗導(dǎo)航衛(wèi)星預(yù)失真濾波器設(shè)計(jì)方法[A];第九屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集——S08 測(cè)試評(píng)估技術(shù)[C];2018年

4 肖瓊;黃永言;;稀疏表示在腦電信號(hào)處理中的應(yīng)用研究現(xiàn)狀[A];人-機(jī)-環(huán)境系統(tǒng)工程創(chuàng)立30周年紀(jì)念大會(huì)暨第十一屆人-機(jī)-環(huán)境系統(tǒng)工程大會(huì)論文集[C];2011年

5 趙雪峰;孫成禹;;基于稀疏表示的地震多屬性融合[A];2016中國地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)論文集（十九）——專題40：油氣田與煤田地球物理勘探[C];2016年

6 廖佳俊;劉志剛;蔡尚;姜江軍;;基于非負(fù)—平滑約束的高光譜稀疏表示目標(biāo)檢測(cè)算法研究[A];國家安全地球物理叢書（十二）——地球物理與信息感知[C];2016年

7 蒙紅英;柴昱洲;韓宇;;一種基于稀疏表示的JPEG-LS改進(jìn)算法[A];第四屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2017年

8 柴漢超;郭翌;汪源源;曹萬里;孫�？�;;基于多尺度稀疏表示分割腎上腺腫瘤CT圖像[A];儀器儀表學(xué)報(bào)（2015（增刊）第36卷）[C];2015年

9 杜蘭;李晨;孫永光;;基于聯(lián)合動(dòng)態(tài)稀疏表示的SAR自動(dòng)目標(biāo)識(shí)別[A];第五屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2018年

10 余力;郭翌;汪源源;陳萍;;基于超聲心動(dòng)圖序列的胎兒左心室分割[A];儀器儀表學(xué)報(bào)（2015（增刊）第36卷）[C];2015年

相關(guān)博士學(xué)位論文 前10條

1 張巖;基于稀疏表示的油氣地震勘探數(shù)據(jù)重建與去噪方法研究[D];東北石油大學(xué);2018年

2 趙永紅;基于稀疏表示的陣列信號(hào)空間譜估計(jì)方法研究[D];西安電子科技大學(xué);2017年

3 任博;基于稀疏表示和流形學(xué)習(xí)的SAR圖像分類算法研究[D];西安電子科技大學(xué);2017年

4 程增飛;基于壓縮感知的陣列信號(hào)處理技術(shù)研究[D];西安電子科技大學(xué);2017年

5 吳曉歡;基于稀疏表示的波達(dá)方向估計(jì)理論與方法研究[D];南京郵電大學(xué);2017年

6 王秀紅;基于稀疏表示的波達(dá)方向估計(jì)方法研究[D];哈爾濱工業(yè)大學(xué);2017年

7 王曉陽;基于稀疏動(dòng)態(tài)反演的紅外弱小目標(biāo)檢測(cè)理論及方法研究[D];電子科技大學(xué);2018年

8 孔波;基于稀疏和張量表示的通信雷達(dá)融合系統(tǒng)目標(biāo)參數(shù)估計(jì)方法研究[D];南昌大學(xué);2019年

9 王蒙;聯(lián)合多重字典結(jié)合擴(kuò)展稀疏表示的非約束人臉識(shí)別研究[D];燕山大學(xué);2018年

10 劉晶晶;基于稀疏表示及字典學(xué)習(xí)的人臉檢測(cè)與識(shí)別方法[D];上海大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 陳敏霞;基于拉普拉斯和稀疏表示的圖像色彩重建問題研究[D];南昌航空大學(xué);2019年

2 宋雷雷;基于稀疏表示的人臉識(shí)別算法的研究[D];西安理工大學(xué);2014年

3 邱賀磊;基于稀疏表示的視覺跟蹤方法[D];大連大學(xué);2019年

4 胡玉潔;基于稀疏表示的OFDM信號(hào)帶內(nèi)干擾抑制方法研究[D];西安理工大學(xué);2019年

5 周熊;時(shí)頻重疊通信信號(hào)稀疏表示分離方法研究[D];西安理工大學(xué);2019年

6 賈立麗;基于多任務(wù)聯(lián)合稀疏表示的高光譜圖像分類算法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院國家空間科學(xué)中心);2019年

7 史超宇;聚類和稀疏表示的多模態(tài)醫(yī)學(xué)圖像融合方法[D];中北大學(xué);2019年

8 秦子雨;基于稀疏表示的高分辨率方法研究[D];西南石油大學(xué);2018年

9 顧康康;基于多普勒原子稀疏表示的列車軸承軌邊信號(hào)消噪研究[D];安徽大學(xué);2019年

10 高潔;基于稀疏表示的人臉識(shí)別研究[D];北京建筑大學(xué);2019年

本文編號(hào)：2707942