基于混沌遺傳算法和contourlet變換的醫(yī)學圖像融合

《基于混沌遺傳算法和contourlet變換的醫(yī)學圖像融合》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于混沌遺傳算法和contourlet變換的醫(yī)學圖像融合【摘要】　　目的：改善傳統(tǒng)醫(yī)學圖象融合方法對細節(jié)信息的丟失.方法：利用contourlet的多尺度、方向性和各向異性等優(yōu)點，提出了一種基于局域特性匹配度融合的改進算法.首先對原圖進行contourlet分解，對分解各子帶構(gòu)造局域特征的匹配度，設(shè)定匹配度的閾值，對匹配度在不同閾值范圍內(nèi)的系數(shù)進行不同的加權(quán)融合；最后對融合系數(shù)進行contourlet逆變換得到融合圖像.在閾值的選取上，引入混沌遺傳算法求解閾值的全局最優(yōu)解.結(jié)果：運用傳統(tǒng)小波變換和本文提出對方法對兩組醫(yī)學圖象進行融合處理，客觀評價參數(shù)表明本文提出的

2、算法效果更優(yōu).結(jié)論：該算法能夠在保有原圖信息的同時，有效的增強細節(jié)信息.【關(guān)鍵詞】contourlet醫(yī)學圖像圖像融合遺傳算法　　【Abstract】AIM:Toimprovethetraditionalimagefusionalgorithminordertoavoidthelossofthedetailedinformationintheprocesseofimagefusion.METHODS:Utilizingthecontourletsadvantagesofmultiscale,directionalityandanisotropy,anadvanc

3、edimagefusionalgorithmbasedoncharacteristicmatchingofregionstatisticsincontourletdomainagesedintocontourletdomain.Then,atchingofeachsubbandandsetathresholdforit.Thecoefficientsatchingageation.Chaosgeicalgorithmizefusionimagebysearchingoptimalsolutionofthethresholdofcharacteristicmatch

4、ing.RESULTS:Theparisonbetethodandthatoftheproposedmethodshoethodcaneffectivelypreservetheinformationofthesourceimagesandenhancethedetailsofthefusedimage.　　【Keyedicalimage;imagefusion;geicalgorithms　　0引言　　傳統(tǒng)的醫(yī)學圖像融合算法多采用基于小波變換，小波系數(shù)加權(quán)平均，或者閾值法融合，但二維可分小波僅能捕捉有限的方向信息，不能稀疏的表示含線或者面奇異的二維圖像［1-3］

5、.Do等［4］提出了一種稀疏的圖像二維表示方法：contourlet變換.該變換的“各向異性(anisotropy)”使得它能比小波變換更好的表現(xiàn)邊緣特征，更加適合用來進行圖像的處理［5］.并且小波變換下的傳統(tǒng)方法有很大的局限，比如加權(quán)平均法中加權(quán)因子和基于特征匹配度融合方法中的閾值大小都不易確定［6］.本文提出了一種新的基于匹配度融合算法：在contourlet變換多方向的優(yōu)勢下，閾值的確定采用混沌遺傳算法.混沌遺傳算法是近年提出的一種優(yōu)化算法，能夠有效的防止遺傳算法的“早熟”問題，使得遺傳算法能夠以更快的速度收斂，得到閾值的全局最優(yōu)解.　　1材料和方法　　1.

6、1材料選用兩組融合圖象，一組為實驗標準圖象，另一組為腰椎冠狀位的MRI-T1和MRI-T2成像，編碼格式為DI，來源于西安紅十字會醫(yī)院磁共振室.　　1.2方法　　1.2.1contourlet變換原理contourlet變換也稱塔型方向濾波器組(pyramidaldirectionalfilterbank,PDFB).contourlet變換將多尺度分析和方向分析分拆進行：用拉普拉斯塔形濾波器結(jié)構(gòu)(laplacianpyramid,LP)對圖像進行多分辨率分解.首先產(chǎn)生原始信號的一個低通采樣逼近及原始圖像與低通預(yù)測圖像之間的一個差值圖像，對得到的低通圖像繼續(xù)分解得

7、到下一層的低通逼近和差值圖像.如此逐步濾波得到圖像的多分辨率分解.而后應(yīng)用二維方向濾波器組(directionalfilterbank,DFB)對分解得到的每一級高頻分量在任意尺度上再分解得到個方向子帶，將分布在同方向上的奇異點合成為一個系數(shù).圖1A給出了離散Contourlet變換的濾波器組結(jié)構(gòu).原始圖像經(jīng)PDFB結(jié)構(gòu)分解得到一個低通圖像和分布于多尺度多方向上的高頻分量.圖1B為Contourlet頻域分解圖實際應(yīng)用中方向數(shù)隨著尺度增大而增多.　　A：濾波器組結(jié)構(gòu)圖；B：頻率分解圖.　　圖1contourlet變換（略）　　1.2.2圖像融合框架本文的融合方法的

8、改進之一就