基于多尺度變換的醫(yī)學(xué)圖像融合方法研究.pdf

1、隨著醫(yī)學(xué)圖像工程和計(jì)算機(jī)技術(shù)的不斷發(fā)展，醫(yī)學(xué)圖像已經(jīng)成為現(xiàn)代醫(yī)療技術(shù)不可或缺的一部分。成像原理不同的醫(yī)學(xué)圖像可以為醫(yī)生提供不同的診斷信息，但使用單一模態(tài)的醫(yī)學(xué)圖像容易引起醫(yī)生做出片面的診斷。通過對醫(yī)學(xué)圖像融合的研究，使不同醫(yī)學(xué)圖像的優(yōu)勢綜合在一起，不僅能夠?yàn)獒t(yī)生的臨床診斷和治療提供科學(xué)的判斷依據(jù)，還可以進(jìn)一步提高診療的效率。
　　多尺度變換的處理方式符合人眼視覺特征，具有多分辨率分析、方向性等特點(diǎn)，能夠捕捉圖像中更多的細(xì)節(jié)及邊緣信

2、息，因此在醫(yī)學(xué)圖像融合領(lǐng)域中得到了廣泛的應(yīng)用。為了更好地滿足臨床診斷和治療的需要，本文對基于多尺度變換的醫(yī)學(xué)圖像融合方法進(jìn)行了研究，主要研究工作如下：
　　（1）針對小波變換在進(jìn)行醫(yī)學(xué)圖像融合時(shí)融合圖像邊緣容易失真的問題，提出一種基于小波加權(quán)局部對比度的醫(yī)學(xué)圖像融合方法。該方法在低頻子帶中采用區(qū)域標(biāo)準(zhǔn)方差的融合規(guī)則；在高頻子帶中根據(jù)小波變換的方向特性和人眼視覺特性，采用了加權(quán)局部對比度的融合規(guī)則。該方法與傳統(tǒng)融合方法相比，能夠得到

3、具有更好視覺效果和更優(yōu)量化指標(biāo)的融合圖像。
　?。?）針對醫(yī)學(xué)圖像融合過程中算法實(shí)時(shí)性差、計(jì)算復(fù)雜度高和運(yùn)算所需內(nèi)存大等問題，提出一種基于提升小波變換與自適應(yīng)PCNN(脈沖耦合神經(jīng)網(wǎng)絡(luò)，Pulse Coupled Neural Network)的醫(yī)學(xué)圖像融合方法。該方法在低頻子帶采用區(qū)域能量的融合規(guī)則，該規(guī)則充分利用了系數(shù)之間的區(qū)域相關(guān)特性；高頻子帶采用自適應(yīng)PCNN的融合規(guī)則，應(yīng)用PCNN簡化模型，將梯度能量作為PCNN的鏈接強(qiáng)

4、度，使得PCNN能根據(jù)像素梯度能量的變化自適應(yīng)地調(diào)整鏈接強(qiáng)度的大小，并根據(jù)點(diǎn)火次數(shù)確定高頻子帶融合系數(shù)。該方法得到的融合結(jié)果圖細(xì)節(jié)邊緣信息豐富，具有良好的融合效果。
　?。?）針對融合圖像在過渡區(qū)域微小細(xì)節(jié)及邊緣信息不夠清晰的問題，結(jié)合PCNN脈沖同步性、變閾值等特性，提出一種基于NSCT（非下采樣Contourlet變換，Nonsubsampled Contourlet Transform）與區(qū)域點(diǎn)火PCNN的醫(yī)學(xué)圖像融合方法。

5、該方法在低頻子帶采用區(qū)域點(diǎn)火PCNN的融合規(guī)則，利用點(diǎn)火區(qū)域強(qiáng)度確定區(qū)域點(diǎn)火特性，根據(jù)區(qū)域點(diǎn)火特性確定低頻子帶系數(shù)；在選擇帶通方向子帶系數(shù)時(shí)，利用非下采樣Contourlet變換的方向特性，采用改進(jìn)的拉普拉斯能量的融合規(guī)則。該方法得到的融合圖像邊緣過渡區(qū)域信息豐富自然，融合圖像清晰。
　?。?）利用RGB模型和IHS模型，提出一種適用于解剖結(jié)構(gòu)成像和功能成像的彩色醫(yī)學(xué)圖像融合方法。該方法首先對功能圖像進(jìn)行IHS變換得到亮度I分量；