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(huì)員上傳分享,免費(fèi)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(hào):TP183密級(jí):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(jí)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(jī)械與自動(dòng)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(dú)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(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)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(jī)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(duì)本研究所做的任何貢獻(xiàn)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(jī)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(jìn)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(yùn)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(diǎn)和缺陷,針對(duì)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(jìn)行整合和互補(bǔ),同時(shí)保留了各自的優(yōu)勢(shì)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(duì)本文的論文創(chuàng)新點(diǎn)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(shí),并對(duì)基于空間域和變換域的傳統(tǒng)融合算法進(jìn)行了比較,指出了各自的優(yōu)勢(shì)和不足。最后,對(duì)目前主流的圖像融合質(zhì)量評(píng)價(jià)體系作了介紹。2)針對(duì)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(duì)已預(yù)處理源圖像進(jìn)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(jìn)而,高頻部分采用改良空間頻率刺激PCNN網(wǎng)絡(luò),并以點(diǎn)火區(qū)域強(qiáng)度作為系數(shù)判定標(biāo)準(zhǔn);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(duì)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(qiáng)度特性作為高頻子帶分層依據(jù),并對(duì)強(qiáng)、弱邊緣特性子帶采用不同的融合算法。其中,強(qiáng)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(duì)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(duì)象進(jìn)行了大量灰度、彩色圖像融合實(shí)驗(yàn)。實(shí)驗(yàn)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(xì)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