基于稀疏表示的醫(yī)學(xué)圖像融合算法研究.pdf

1、隨著醫(yī)學(xué)成像設(shè)備的快速發(fā)展和普及，醫(yī)學(xué)影像技術(shù)已成為臨床醫(yī)學(xué)中檢查和診斷疾病必不可少的手段，然而單一模態(tài)的醫(yī)學(xué)圖像所提供信息存在一定局限性，為此，學(xué)者們提出了醫(yī)學(xué)圖像融合。醫(yī)學(xué)圖像融合是將不同模態(tài)醫(yī)學(xué)圖像之間各自優(yōu)勢(shì)進(jìn)行相互融合，彌補(bǔ)單一模態(tài)的醫(yī)學(xué)圖像的局限性，從而在單幅醫(yī)學(xué)圖像中更加直觀地提供人體解剖結(jié)構(gòu)、生理狀況及病理特性等信息。由于稀疏表示能夠提取少數(shù)特征用于表示圖像全部信息，因此本文將稀疏表示理論與圖像融合技術(shù)相結(jié)合，并進(jìn)行深入

2、研究，主要內(nèi)容如下:
　　1)針對(duì)醫(yī)學(xué)圖像復(fù)雜多樣性特點(diǎn)，提出一種基于在線字典學(xué)習(xí)的自適應(yīng)醫(yī)學(xué)圖像融合算法。首先利用在線字典學(xué)習(xí)算法訓(xùn)練源圖像的過完備字典，提高圖像特征提取的自適應(yīng)能力;然后利用OMP算法對(duì)源圖像進(jìn)行稀疏表示得到稀疏編碼，降低了融合數(shù)據(jù)維度;再根據(jù)源圖像之間稀疏編碼的能量差異程度和梯度差異程度自適應(yīng)調(diào)整融合規(guī)則，若能量差異程度大于梯度差異程度，則根據(jù)能量取大規(guī)則融合稀疏編碼，反之，根據(jù)梯度取大規(guī)則融合稀疏編碼;最后

3、將融合后的稀疏編碼與過完備字典進(jìn)行重構(gòu)得到融合圖像。實(shí)驗(yàn)結(jié)果表明:與多尺度幾何分析、K奇異值分解等圖像融合算法比較，本文算法融合的圖像客觀評(píng)價(jià)指標(biāo)信息熵、邊緣評(píng)價(jià)因子均有所提高，主觀上紋理清晰、對(duì)比度高，能夠較好的保留源圖像邊緣信息。
　　2)針對(duì)ROMP算法在壓縮感知重構(gòu)中需預(yù)估稀疏度導(dǎo)致重構(gòu)精度不穩(wěn)定的問題，提出一種改進(jìn)的ROMP算法。由于觀測(cè)信號(hào)能夠繼承原始信號(hào)特征，在選擇候選集原子過程中引入自適應(yīng)弱選擇標(biāo)準(zhǔn)，依據(jù)觀測(cè)信號(hào)的

4、信息量設(shè)定弱選擇標(biāo)準(zhǔn)，實(shí)現(xiàn)稀疏度自適應(yīng)調(diào)整。將該算法應(yīng)用于壓縮感知框架下的醫(yī)學(xué)圖像融合，并提出一種結(jié)合觀測(cè)信號(hào)結(jié)構(gòu)相似度的融合規(guī)則，當(dāng)待融合的觀測(cè)信號(hào)之間結(jié)構(gòu)相似度較高時(shí)，說明待融合的原始信號(hào)之間同樣具有相似性，以兩者信息量的加權(quán)作為融合規(guī)則。同理，當(dāng)待融合的觀測(cè)信號(hào)結(jié)構(gòu)相似度較低時(shí)，選擇信息量較大的觀測(cè)信號(hào)作為融合后的觀測(cè)信號(hào)。實(shí)驗(yàn)結(jié)果表明:改進(jìn)ROMP算法的重構(gòu)圖像質(zhì)量?jī)?yōu)于OMP、ROMP、SAMP等算法，其峰值信噪比提高了6％左右