醫(yī)學(xué)圖像增強(qiáng)和配準(zhǔn)相似性測(cè)度的若干研究.pdf

1、醫(yī)學(xué)影像已成為現(xiàn)代醫(yī)學(xué)的一個(gè)重要組成部分，而醫(yī)學(xué)圖像處理主要是對(duì)已獲得的圖像進(jìn)行加工、處理，便于臨床診斷。本文主要討論了兩類(lèi)醫(yī)學(xué)圖像處理技術(shù)：基礎(chǔ)的醫(yī)學(xué)圖像對(duì)比度增強(qiáng)技術(shù)和當(dāng)前研究熱點(diǎn)的醫(yī)學(xué)圖像配準(zhǔn)技術(shù)。 基于灰度變換的醫(yī)學(xué)圖像對(duì)比度增強(qiáng)技術(shù)，是一種簡(jiǎn)單卻比較有效的對(duì)比度增強(qiáng)法。在對(duì)常見(jiàn)的灰度變換概述之后，針對(duì)當(dāng)前一些算法存在的圖像對(duì)比度增強(qiáng)和邊緣細(xì)節(jié)保持之間的矛盾，我們提出了兩種新的MR圖像對(duì)比度增強(qiáng)算法：基于閾值分割和3次B

2、樣條插值的MR增強(qiáng)算法，首先定義了基于對(duì)比度和細(xì)節(jié)的新的質(zhì)量評(píng)價(jià)參數(shù)，然后利用Otsu閾值算法選取的多個(gè)閾值尋求該質(zhì)量評(píng)價(jià)參數(shù)最佳的三次B樣條插值變換，得到理想的增強(qiáng)效果；基于分割和累積指數(shù)變換的MR增強(qiáng)算法，先采用多閾值分割將圖像分割為不同的區(qū)域，然后統(tǒng)計(jì)出各區(qū)域的灰度均值和方差，并由它們構(gòu)造出各區(qū)域的累積指數(shù)非線性變換作用于各區(qū)域進(jìn)行增強(qiáng)。實(shí)驗(yàn)表明，這兩種算法都能比較好的解決對(duì)比度增強(qiáng)和邊緣細(xì)節(jié)保持兩方面的沖突，而且速度也不亞于一些

3、傳統(tǒng)的算法。 基于灰度的圖像配準(zhǔn)技術(shù)以其較高的精度、不需要預(yù)處理而能實(shí)現(xiàn)自動(dòng)配準(zhǔn)被廣泛采用。而相似性測(cè)度是決定配準(zhǔn)準(zhǔn)確性、魯棒性和實(shí)時(shí)性的最主要因素，因此在介紹完配準(zhǔn)技術(shù)及其涉及的相關(guān)技術(shù)后，針對(duì)一階互信息的魯棒性不強(qiáng)的問(wèn)題進(jìn)行了相關(guān)分析，并介紹了幾種互信息的改進(jìn)測(cè)度，其中特別針對(duì)二階互信息進(jìn)行了重點(diǎn)討論，分析了灰階、相關(guān)信息和噪聲對(duì)其影響，得到了二階互信息的最佳參數(shù)取值，然后分析了分辨率對(duì)一階和二階互信息的影響，改進(jìn)了二級(jí)分辨