醫(yī)學圖像配準和融合的研究.pdf

1、近年來，醫(yī)學的快速發(fā)展，推動了醫(yī)療圖像的廣泛應用。不同的醫(yī)學圖像承載了人體相關器官的不同信息，互為補充，成為臨床診斷和治療的重要參考。在臨床上，為了獲得病灶組織更為精準的圖像信息，常常需要對多種醫(yī)學圖像進行綜合分析。因此，醫(yī)學圖像的融合就顯得尤為重要，它通過減少圖像間的冗余信息增加互補信息以獲得更為可靠、全面的融合結果。醫(yī)學圖像配準是融合的前提，它將直接影響最終融合效果。
　　 本文從介紹醫(yī)學圖像配準的意義和發(fā)展現(xiàn)狀出發(fā)，分析了

2、配準的基本原理和具體的實現(xiàn)過程，研究了基于互信息的醫(yī)學圖像配準方法。深入討論了互信息配準方法的中插值方法、搜索算法對配準的影響。針對互信息醫(yī)學圖像配準方法易陷入局部極值問題，提出了改進的部分體積(Partialvolume，PV)插值算法，并在圖像互信息引入梯度信息，進一步提高了圖像配準的準確性。為提高配準速度，本文采用矩和主軸法進行圖像的初配準。多組圖像配準實驗證明，改進后的配準方法能較準確地實現(xiàn)醫(yī)學圖像的配準。
　　 對于配

3、準后的圖像，本文提出了基于參數(shù)化對數(shù)圖像處理(ParameterizedofLogarithmicImageProcessing，PLIP)模型和離散小波變換的醫(yī)學圖像融合方法。PLIP模型通過定義一組參數(shù)化非線性運算替代圖像的線性運算，對灰度值直接操作，適用于非線性的圖像處理算法，特別是圖像增強、邊緣提取和圖像修復。離散小波變換具有時一頻聚焦性，對PLIP算法處理后的圖像進行小波變換可得到不同分辨率和多方向性的小波子帶，為不同子帶圖像