資源描述：
《基于多尺度幾何分析的醫(yī)學(xué)圖像融合算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、ZSTUZhejiangSci-TechUniversity碩士學(xué)位論文Master’sThesis中文論文題目:基于多尺度幾何分析的醫(yī)學(xué)圖像融合算法研究英文論文題目：MedicalImageFusionAlgorithmsBasedonMulti-scaleGeometricAnalysis學(xué)科專業(yè)：控制科學(xué)與工程作者姓名：徐衛(wèi)良指導(dǎo)教授：戴文戰(zhàn)教授李俊峰副教授完成日期：2016年1月學(xué)科門類:工學(xué)單位代碼:10338分類號:TP183密級:公開碩士學(xué)位論文基于多尺度幾何分析的醫(yī)學(xué)圖像融合算法研究作者姓名：徐衛(wèi)良學(xué)位級別：碩士學(xué)科專業(yè)：控制
2、科學(xué)與工程指導(dǎo)教師：戴文戰(zhàn)教授李俊峰副教授浙江理工大學(xué)機械與自動控制學(xué)院2016年1月AThesisforMasterDegreeMedicalImageFusionAlgorithmBasedonMulti-scaleGeometricAnalysisByXuWei-liangSupervisor:Prof.DaiWen-zhanProf.LiJun-fengSchoolofMachineryandAutomationZhejiangSci-TechUniversityHangZhou,ChinaJanuary,2016浙江理工大學(xué)學(xué)位論文
3、獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：簽字日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解浙江理工大學(xué)有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交本論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)浙江理工大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行
4、檢索和傳播，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本授權(quán)書）學(xué)位論文作者簽名：簽字日期：年月日導(dǎo)師簽名：浙江理工大學(xué)碩士學(xué)位論文基于多尺度幾何分析的醫(yī)學(xué)圖像融合算法研究摘要隨著科學(xué)技術(shù)快速發(fā)展，諸多前沿科技和研究成果被運用到醫(yī)學(xué)領(lǐng)域，涌現(xiàn)了大量高精度的醫(yī)學(xué)成像技術(shù)。但是不同模態(tài)醫(yī)學(xué)圖像的成像原理各異，反映的人體生理信息存在不同的側(cè)重點和缺陷，針對這一問題，提出了多模態(tài)醫(yī)學(xué)圖像融合技術(shù)。該技術(shù)將不同模態(tài)的醫(yī)學(xué)圖像信息進行整合和互補，同時保留了各自的優(yōu)勢特性，為臨床診斷和治療方案制定提供了更為全面、可靠
5、、直觀的信息依據(jù)。本文著眼于優(yōu)化目前基于提升小波變換和基于雙樹復(fù)小波變換的融合算法存在的不足，提出了兩種醫(yī)學(xué)圖像融合新算法，主要工作及研究內(nèi)容如下：1)首先，介紹了多模態(tài)醫(yī)學(xué)圖像融合技術(shù)的背景和研究意義，描述了該領(lǐng)域國內(nèi)外的研究現(xiàn)狀和存在的研究挑戰(zhàn)，并對本文的論文創(chuàng)新點做了簡單概括。其次，闡述了不同模態(tài)醫(yī)學(xué)圖像的特征、圖像融合流程等基礎(chǔ)知識，并對基于空間域和變換域的傳統(tǒng)融合算法進行了比較，指出了各自的優(yōu)勢和不足。最后，對目前主流的圖像融合質(zhì)量評價體系作了介紹。2)針對多模態(tài)醫(yī)學(xué)圖像特性以及醫(yī)學(xué)應(yīng)用需求，提出了一種基于提升小波變換和PCNN的醫(yī)
6、學(xué)圖像融合算法。首先，對已預(yù)處理源圖像進行提升小波分解獲得高、低頻子帶；其次，低頻部分根據(jù)區(qū)域方差判定圖像區(qū)域相關(guān)性，并以區(qū)域能量獲取系數(shù)權(quán)重；進而，高頻部分采用改良空間頻率刺激PCNN網(wǎng)絡(luò)，并以點火區(qū)域強度作為系數(shù)判定標準；最后，融合后所得子帶通過提升小波逆變換重構(gòu)獲得融合圖像。3)針對多模態(tài)圖像經(jīng)雙樹復(fù)小波分解后高頻部分各子帶邊緣特性存在的差異，提出了以邊緣強度特性作為高頻子帶分層依據(jù)，并對強、弱邊緣特性子帶采用不同的融合算法。其中，強邊緣特性子帶采用區(qū)域梯度能量加權(quán)的融合規(guī)則，弱邊緣特性子帶采用區(qū)域方差取大的融合規(guī)則。針對低頻部分包含信
7、息的豐富性，采用區(qū)域能量取大與加權(quán)相結(jié)合的方法。最后，通過提升雙樹復(fù)小波逆變換獲得融合結(jié)果。4)本文以CT/MRI、MRI/SPECT、MR-T1/MR-T2作為研究對象進行了大量灰度、彩色圖像融合實驗。實驗結(jié)果表明：本文提出的融合算法生成融合圖像信息更為豐富，較好地保留了邊緣細節(jié)信息，紋理清晰，具有更好的視覺效果。關(guān)鍵詞：多模態(tài)醫(yī)學(xué)圖像融合；提升小波變換；PCNN算法；雙樹復(fù)小波變換；Sobel算子I浙江理工大學(xué)碩士學(xué)位論文基于多尺度幾何分析的醫(yī)學(xué)圖像融合算法研究ABSTRACTWiththefastdevelopmentoftechnol
8、ogy,manyadvancedtechnologiesandscienceachievementsareappliedtothemedicalfield,anda
