像素級醫(yī)學圖像融合研究.pdf

1、隨著現(xiàn)代醫(yī)學的發(fā)展，醫(yī)學領域產生了許多醫(yī)療成像設備，各種醫(yī)學圖像也隨即得到了廣泛的應用。在醫(yī)學上，為了對病情做出準確全面的診斷及治療，往往需要對病變組織來自不同醫(yī)學圖像的信息進行研究分析。醫(yī)學圖像融合技術作為數據融合的一個分支，可以利用不同醫(yī)學圖像之間冗余信息改善圖像信噪比，從而獲得更為可靠的融合結果。同時，利用互補信息可使獲得的融合圖像包含更豐富的細節(jié)及更全面的信息。在各類融合方法中，像素級圖像融合具有獲取信息量最多、監(jiān)測性能最好等優(yōu)

2、點，是目前圖像融合的研究熱點，也是本文研究的重點。論文的主要工作及內容如下：(1)、介紹了圖像融合技術的發(fā)展背景、圖像融合的基本概念及其在醫(yī)學領域的研究價值，并對常用醫(yī)學圖像的成像原理及醫(yī)學顯像特點作了簡單介紹，總結了醫(yī)學圖像融合分類方法和融合效果的主、客觀評價標準。 (2)、對基于空間域像素的邏輯濾波器圖像融合方法、加權平均圖像融合方法、對比度調制圖像融合方法、局部方差加權圖像融合方法以及局部能量加權圖像融合方法進行了詳細介紹

3、。在此基礎上，根據試驗中使用的人體腦部醫(yī)學圖像平均亮度偏低、待融合圖像信息熵差異大的特點，對已有的對比度調制圖像融合方法進行了兩點改進：(a)使用信息熵較小的18F-FDG圖像調制信息量較大的MRI-T1圖像。(b)使用平均亮度較高的MRI-T1和18F-FDG的反片圖像進行融合調制。實驗結果表明了改進后的對比度調制融合方法的正確性和優(yōu)越性。 (3)、闡述了小波域的圖像融合原理及一般方法。對三種現(xiàn)有的小波圖像融合方法進行了研究，

4、通過試驗指明了目前的大多數基于小波變換的醫(yī)學圖像融合算法的缺點——缺少對低頻分量融合規(guī)則以及高頻分量鄰域特征的細致考慮。針對這些缺點，本文提出了小波域高、低頻分量按局部能量加權融合算法(LHPE)。該融合算法通過對源圖像小波系數的高、低頻分量運用具有不同物理意義的、有針對性的窗矩陣，計算其在相應鄰域內的加窗能量，以歸一化鄰域加窗能量為權值對高、低頻小波系數進行加權，從而得到融合圖像。通過對試驗結果的分析，從主、觀評價以及客觀評價的角度說