發(fā)布時間：2020-11-01 00:30

　　 醫(yī)學(xué)圖像融合是信息融合領(lǐng)域中一個重要的分支�；�于對病情做出準(zhǔn)確診斷這一目的,往往需要對來自同一或不同醫(yī)學(xué)成像設(shè)備在不同環(huán)境條件下采集同一病變區(qū)域的圖像信息進行研究與分析。但在臨床診斷中,獲取單一的圖像是很難為醫(yī)生提供全面的病情等信息,而醫(yī)學(xué)圖像融合技術(shù)正好能解決這一問題,該技術(shù)在疾病診斷與輔助治療方面給醫(yī)生提供了安全可靠的保障。因此,醫(yī)學(xué)圖像融合方法的研究具有著重要的理論價值和實際應(yīng)用價值。圖像融合技術(shù)的原理是對不同圖像中的有用信息進行了綜合,獲得一幅細(xì)節(jié)更豐富、信息更全面的融合圖像。目前已成功地將融合技術(shù)應(yīng)用到臨床醫(yī)學(xué)上,如在圖像引導(dǎo)放療手術(shù)、非入侵診斷與治療方案設(shè)計等方面都取得了顯著性成果。盡管許多學(xué)者提出了大量的融合算法,但這些算法大多適用于特定類型的醫(yī)學(xué)圖像,缺乏良好的適用性與魯棒性,同時在一定程度上限制了臨床醫(yī)學(xué)的發(fā)展。為解決上述問題,本文提出了兩種醫(yī)學(xué)圖像融合方法。第一種是基于兩次低秩分解與字典學(xué)習(xí)的醫(yī)學(xué)圖像融合方法,該方法將待融合圖像低秩分解后對稀疏融合圖像進行第二次分解,有效的將低秩分解與稀疏表示的優(yōu)勢結(jié)合,從而獲得醫(yī)學(xué)融合圖像;第二種是基于低秩稀疏分解與顯著性度量的醫(yī)學(xué)圖像融合方法,該方法在融合規(guī)則上對低秩成分與稀疏成分分別采取不同的策略,使得到的融合圖像既能保留源圖像更多的亮度信息又能保留更多的顯著性稀疏成分并且視覺效果良好。最后,實驗結(jié)果和分析表明,所提出的方法無論從人眼視覺上還是客觀評價指標(biāo)角度上都極大提升了醫(yī)學(xué)圖像融合質(zhì)量并優(yōu)于其他融合方法。
【學(xué)位單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R318;TP391.41
【部分圖文】：

（a）CT （b）MRI （c）SPET （d）PET圖 1.1 CT、MRI、SPET 及 PET 醫(yī)學(xué)圖像 醫(yī)學(xué)圖像融合層次目前圖像融合領(lǐng)域已存在大量融合算法，絕大多數(shù)算法都包含分解、選取融合規(guī)則及質(zhì)量評價等步驟[7]，具體如圖 1.2 所示。根據(jù)醫(yī)學(xué)圖像融合在處理過程中所處的同，可將其分為三個層次，不同級別采用的方法也不同。第一級像素層融合、第二層融合、第三級決策層融合（如圖 1.3 所示）。下面將具體介紹各層次的融合過程點。第一級像素層融合，它將圖像的特性排除在外，屬于圖像融合級別中的最低的。它是直接對待融合圖像的像素灰度值進行處理。該方式采集源圖像要求同一種傳感器待融合圖像之間的像素點也要求完全對應(yīng)；還要求源圖像配準(zhǔn)過才能融合。但其優(yōu)最大限度的保留源圖像的信息并保持很高的精度，缺點是點對點的像素處理方式時

（e）像素灰度值取小 （f）SR（固定字典） （g）NSCT （h） NSCT+SR圖 2.3 各種融合方法的融合結(jié)果為了驗證上面提出簡單的醫(yī)學(xué)圖像融合方法，對源圖像（圖 2.3（a）與（b）所示）行了融合實驗，其中加權(quán)系數(shù)融合方法中的系數(shù)為X Yw =0.75,w =0.25 。上圖 2.3（c）、（d）（e）中表示各種融合方法的融合結(jié)果，很明顯可看出其效果的好壞，其中像素灰度值取方法的對比度優(yōu)于像素灰度值取大方法與加權(quán)系數(shù)融合方法，這是因為加權(quán)系數(shù)融合方具有更加平滑性。但從圖像內(nèi)容來看，加權(quán)系數(shù)融合方法包含了待融合圖像的豐富細(xì)節(jié)息。而取大（小）僅是源圖像的相應(yīng)位置上進行比較，并沒有包含另一幅待融合圖像的何信息。同樣為了驗證基于 NSCT 的醫(yī)學(xué)圖像融合方法與基于固定字典的醫(yī)學(xué)圖像融合方法融合質(zhì)量，選取了兩幅待融合圖像進行融合實驗。通過以上的融合方法對圖 2.3（a）、（b進行了實驗。圖 2.3 中圖（f）表示 SR（固定字典）融合方法；圖（g）表示 NSCT 融合法，其分解層數(shù)為 4 層；圖（h）表示 NSCT 與 SR（固定字典）融合結(jié)果（分解層數(shù)同是 4 層）。從視覺上很明顯看出 NSCT 方法優(yōu)于 SR 方法、NSCT 與 SR 融合方法，另

士學(xué)位論文 1, 2, , ,1 1 1 1arg max , , , , ,l l l l li l lN lii Fl , s li ,s 1, 2, , ,1 1 1 1arg max , , , , ,l s l s li s lN sii , s Fl ,l、 、F ,s 和li ,l 、li ,s 、i ,s 分別為融合圖像和第i 幅原圖像的第及第一次稀疏成分的編碼系數(shù)，N 為原圖像個數(shù)。在獲取融合后的編合圖像向量可由式(3-24)來構(gòu)建。, , ,( )F s F s Fl s Fl lY D 式(3.20)及式(3.22)來獲取等式（3.24）中的系數(shù)Fl , l Fl,s 、 和F ,s 。計和分析
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 姜曉慶;夏克文;夏莘媛;祖寶開;;采用半定規(guī)劃多核SVM的語音情感識別[J];北京郵電大學(xué)學(xué)報;2015年S1期

2 田秀華;興旺;;基于NSCT變換的醫(yī)學(xué)圖像融合研究[J];計算機應(yīng)用與軟件;2013年04期

3 李先華;劉順喜;黃微;羅慶洲;曾齊紅;黃睿;時向勇;;月球表面遙感圖像陰影消除及其信息恢復(fù)研究[J];應(yīng)用光學(xué);2009年03期

本文編號：2864747