基于多尺度變換的醫(yī)學(xué)圖像融合算法研究與應(yīng)用

《基于多尺度變換的醫(yī)學(xué)圖像融合算法研究與應(yīng)用》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、Ｓｃ－ＺｈｅｊｉａｎｇｉＴｅｃｈＵｎｉｖｅｒｓｉｔｙ碩±專業(yè)學(xué)位論文，ＰｒｏｆｅｓｓｉｏｎａｌＭａｓｔｅｒｓＴｈｅｓｉｓ中文論文題目：基于多尺度變換的醫(yī)學(xué)圖像融合算法研究與應(yīng)用英文論文題目；ＲｅｓｅａｒｃｈａｎｄＡｐＤｌｉｃａｔｉｏｎｏｆＭｅｄｉｃａｌＩｍａ化ＦｕｓｉｏｎＡｌ２〇ｒｉｔｈｎｉｓＢａｓｅｄｏｎＭｉｉｌｔｉＨＳｃａｌｃＴｒａｎｓｆｏｒｍ專業(yè)學(xué)位類別：含日制專業(yè)學(xué)位專業(yè)學(xué)位領(lǐng)域；控制工程作者姓名＝李加恒指導(dǎo)教師：戴義戰(zhàn)教較李俊峰副纖完成日期：２０１６年３月學(xué)科門類

2、:工學(xué)單位代碼:10338分類號:TP391.A密級:公開碩士學(xué)位論文基于多尺度變換的醫(yī)學(xué)圖像融合算法研究與應(yīng)用作者姓名：李加恒學(xué)位級別：碩士學(xué)科專業(yè)：控制工程研究方向：工業(yè)過程控制與綜合自動化指導(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3月AThesisforMasterDegreeResearchandApplicationofMedicalImageFusionAlgorithmsBasedonMulti-scaleTransformByLiJia-hengSupervisor:Prof.DaiWen-zhanProf.LiJun-fengSchoolo

3、fMachineryandAutomationZhejiangSci-TechUniversityHangZhou,ChinaMarch,2016浙江理工大學(xué)學(xué)位論文獨創(chuàng)性聲明本人聲明所星交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的巧究工作及取得的研究成果。除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人己經(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(xiàn)均己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：〇日簽字日期：年月／＾學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作

4、者完全了解浙江埋工大學(xué)有權(quán)保留并向國象有關(guān)部口或機構(gòu)送交本論文的復(fù)印件和磁盤，義許論文被查閱和借閱。＾本人授權(quán)逝聖望王丈堂可！乂將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)Ｌ數(shù)據(jù)庫進(jìn)行檢索和傳播，可乂采用影印、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：裏簽字日期：４年＾月／〇日＞導(dǎo)師簽名：簽字日期：名年月口日／｝摘要隨著科學(xué)技術(shù)的快速發(fā)展，醫(yī)學(xué)圖像融合技術(shù)已經(jīng)成為信息技術(shù)中的一個重要組成部分，并在臨床醫(yī)學(xué)影像診斷領(lǐng)域中得到了廣泛應(yīng)用。醫(yī)學(xué)圖像融合技術(shù)能夠解決單一成像設(shè)備獲取數(shù)據(jù)信息量不足的問題，將不同成像

5、原理的醫(yī)學(xué)圖像融合成信息更為豐富、清晰、全面的新圖像，能夠方便快速地為醫(yī)生提供治療診斷依據(jù)。基于以上分析，本在在介紹圖像融合基礎(chǔ)知識的基礎(chǔ)上，重點研究了醫(yī)學(xué)圖像融合算法，并開發(fā)醫(yī)學(xué)圖像融合軟件。主要研究工作如下：1)針對醫(yī)學(xué)圖像融合算法未充分考慮源圖像間差異性的不足，提出了一種基于互信息特征的多模態(tài)融合算法。源圖像經(jīng)過提升小波變換分解為低頻子帶和高頻子帶。由于相鄰的低頻子帶系數(shù)間具有相關(guān)性的特性，并且圖像的大量基礎(chǔ)信息都在低頻子帶中，所以采用區(qū)域平均能量加權(quán)的融合規(guī)則。對于高頻子帶，根據(jù)各高頻子帶互信息值的大小，通過選取閥值將高頻子帶分為高互信息量部分和低互信息量部分。對低互信息高頻子帶

6、采用區(qū)域梯度能量與區(qū)域標(biāo)準(zhǔn)差相結(jié)合的融合規(guī)則，對高互信息高頻子帶采用邊緣強度取大的融合規(guī)則。2)對基于互信息特征的醫(yī)學(xué)圖像融合算法做了大量的圖像仿真實驗和研究。對于灰度圖像融合，分別采用CT圖像和MRI圖像、MR-T1和MR-T2圖像進(jìn)行融合仿真。對于彩色圖像，采用SPECT圖像和MRI圖像進(jìn)行融合仿真。通過與目前較新的融合算法進(jìn)行比較，實驗結(jié)果表明提出的基于互信息特征融合算法得到的融合圖像紋理清晰，信息豐富，灰度級更為分散，對比度更好，在視覺上相比其他算法也較好。同時客觀性評價指標(biāo)也表明，采用本文融合算法得到的圖像在空間頻率和邊緣強度上有所提升，能有效地保留源圖像的重要信息。3)針對醫(yī)

7、學(xué)圖像的特性，以及新的圖像融合算法的改進(jìn)，設(shè)計并開發(fā)出多模態(tài)醫(yī)學(xué)圖像融合軟件。圖像融合軟件采用C++語言開發(fā)，以Windows系統(tǒng)為平臺，通過調(diào)用OpenCV(OpenSourceComputerVisionLibrary)中的庫函數(shù)對圖像進(jìn)行處理。通過圖像前期預(yù)處理方法，提升了源圖像中邊緣紋理等重要信息。在圖像配準(zhǔn)中，增加圖像的手動和自動配準(zhǔn)方案，提高圖像的配準(zhǔn)精度。在圖像融合中，設(shè)計不同的融合方案：灰度圖像間的融合、灰度圖像與彩