基于快速整数提升小波变换的医学图像融合

针对CT医学图像和MRI医学图像成像特点,提出了基于快速整数提升小波变换的融合方法。在CT和MRI两幅医学图像配准的前提下,利用提升小波变换把图像分解成低频和高频子图像,对于小波变换后的高频子图像,选择区域标准差大的作为融合后的子图像;对于低频子图像,采用加权融合,最后进行小波逆变换,得到融合后的图像,并对融合后图像用信息熵、平均梯度、相关系数的指标进行评价。实验结果表明,基于快速整数提升小波变换融合中,小波高低频系数采用不同的规则能够取得更好的融合效果,其轮廓清晰。该算法能够提升融合后的医学图像信息量,同时有效地保护图像的细节信息,在执行时间和图像质量上均优于普通小波算法。     

一种自适应的多聚焦图像融合方法

为了对不同的多聚焦图像进行有效融合，提出了一种小波域中基于区域特征的自适应多聚焦图像融合方法。该方法首先对参加融合的两幅图像进行小波分解，然后针对低频部分，在保留源图像共同特征的基础上，将待融合的两图像各自所具有的特征添加到融合图像中，而对于高频部分，则根据区域的小波能量进行融合；最后通过小波逆变换来重构融合图像。该方法不仅能够完全自适应地对多聚焦图像进行有效的融合，而且对于各种不同的源图像具有通用性。实验表明，该算法能够得到良好的融合效果，是一种有效的多聚焦图像融合方法。     

基于压缩感知理论的图像融合方法

基于压缩感知（Compressed Sensing,CS）理论,提出了一种采样点少且结构简单易实现的图像融合方法。对需要处理的两幅或多幅图像进行小波变换,分别对得到的小波系数进行稀疏处理得到稀疏矩阵,通过系数绝对值较大法进行融合,对融合后的系数矩阵通过随机观测获取压缩采样,而图像恢复则是对得到的压缩采样通过求解最优化的问题得到。由于对小波系数进行了稀疏处理,故该方法可以用少量的采样点来恢复图像。实验结果表明,在相同采样点下,该方法得到的图像质量（PSNR）明显优于传统的系数绝对值较大法融合;在少量采样点下,采用该方法也可以使融合的图像达到较好的效果。     

关键基于二维小波变换的图像矢量分解消噪方法

介绍了MATLAB二维小波工具箱在含噪图像预处理中的应用,并提出了一种基于二维小波变换的图像消噪的矢量分解方法。仿真结果表明,该矢量分解消噪方法确实可行,达到了理想的效果。     

MATLAB环境下小波变换处理图像设计

基于小波变换的基本原理，在MATLAB环境下利用Wavelet Toolbox-小波工具箱对图像进行小波变换，对静态图像进行分解并压缩，观察分析其处理效果。     

基于多小波变换的医学图像融合方法研究

医学图像融合在临床诊断及治疗上有重要意义,多小波是小波理论的扩展,在图像处理方面具有单小波所不具有的优点。文章对基于多小波变换的医学图像融合方法进行了研究总结,提出了基于边沿信息方向性加权的区域能量的融合规则,通过对CT与MRI图、CT与SPECT图实验结果比较,表明该文提出的算法具有更好的融合效果。     

基于小波变换与局部能量的多聚焦图像融合

本文提出了一种基于区域局部能量的不同聚焦点图像融合方法。本文利用小波分解,将图像分解为低频部分和高频部分,然后选择合适的比例,削弱低频部分,减小低频部分在整个图像能量中所占的比例,相对增大高频部分的比例,再重构图像。对于重构的图像,在空域中使用区域局部能量大小判定的方法,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。该方法不但适用于多聚焦图像融合,而且还可以应用于特性类似的医学图像的融合。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

基于小波变换和数据融合技术的图像降噪方法

提出了一种基于小波变换和数据融合技术的图像降噪的方法．此方法对同一原始图像信号不同噪声的多源图像分别进行小波分解，在图像分解的高频域内，对小波系数进行阈值处理后，再进行数据融合处理，根据“多数原则”选择重要小波系数．在低频域内，新的逼近系数则通过对多幅图像的逼近系数直接进行加权平均得到．然后利用重要小波系数和逼近系数进行小波反变换，即可得到融合后的图像．实验结果表明：此方法既可以有效地降低噪声，又可以较好地保持图像细节．     

医学图像三维重建系统设计与应用

随着现代计算机辅助技术、虚拟现实等现代技术的发展,人们对直观的三维医学图像的需求也日益增强,医学图像三维可视化近来成为医学成像发展的热点。本文以MATLAB为基础,设计并实现了一种便携式医学图像三维重建系统,其利用MATLAB软件的图像处理工具箱、GUI开发工具箱等,深入的集成了现代三维重建相关技术。并以具体的操作和医学实例介绍了MATLAB在医学图像三维重建中的应用。     

小波变换在医学图像融合中的应用

医学图像融合技术可以将多种成像模式提供的图像融合在一起,在一幅图像中提供综合的诊断信息.小波变换是医学图像融合的一种有效方法.     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,很好地将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,且优于传统的射线图像增强方法。     

基于Log-Gabor滤波的小波显微图像融合

针对现有图像融合方法对纵向覆盖范围较大的显微样本的图像融合效果不理想的问题,提出了一种序列显微图像融合方法.该方法以小波变换方法为基础,利用区域Log-Gabor滤波方法设计尺度系数的融合规则,既使融合后的图像不会产生块效应,又避免了以往的小波方法造成的过度模糊现象.讨论了方法中的参数设置对融合结果的影响,实验结果表明,与其它融合方法相比该方法的融合效果更好.     

结合图像融合的PCA与NMF相融合的人脸识别

提出一种结合图像融合的PCA与NMF相融合的人脸识别的识别方法。采用小波变换对图像进行处理,对于包含主要信息的低频子图用PCA进行特征抽取,而其他三个高频子图,虽然描述信息相对较少但包含重要的分类信息。为了减少计算量,对高频子图进行图像融合,再用NMF进行特征抽取,采用最近邻分类方法进行分类。最后对这两个识别结果进行加权处理,得到最终的识别结果。实验证明可以有效地提高识别率。     

基于HVS的小波图像融合新算法

目前的大多数基于小波变换的图像融合算法，由于并没有细致考虑人眼的视觉特性，因而得到的融合效果有时并不理想。为了提高图像的融合效果，提出了一种新的基于人类视觉系统(HVS)的小波图像融合新算法。该算法充分考虑了人类视觉系统的特点，首先在多尺度小波分解的基础上，计算出每层每个像素邻域的纹理和边缘亮度相关量；然后自适应地求得加权融合系数；最后采用多层次迭代法来产生融合图像。实验结果表明，该算法不仅能使图像融合结果有较大的改善，而且有利于人眼对目标的探测和识别。     

基于小波域隐马尔可夫树模型的超声图象贝叶斯去噪

提出了一种新的医学超声图象去噪方法 .首先 ,原始超声图象经对数变换 ,其乘性散粒噪声变为了加性噪声 ;然后再经小波变换后 ,基于隐马尔可夫树模型 ,应用贝叶斯方法去除加性噪声 ;最后 ,经小波反变换和指数变换恢复去噪后的原始超声图象 .测试结果表明 ,此方法在有效去除噪声的同时 ,能保留原始图象的细节边缘 .针对超声图象还对几种去噪算法作出定性比较 ,并对去噪性能给出定量分析 ,实验结果表明 ,该方法是可行的     

基于量子理论的自适应图像融合规则

利用图像的伪量子比特关联形式及其相应坍缩模型进行图像的多层次分析,并在此理论基础上,针对两幅已经配准的不同类型图像（如CT,MRI图像等）提出了一种全新的自适应融合规则及其逆变换算法,从而实现了图像的高效融合。仿真实验结果表明,此方法较一般的基于灰度极值融合法、灰度加权融合法以及区域能量融合法具有更好的融合视觉效果,在细节保护、图像边缘区分方面对比小波融合法有其独特的优势。     

视网膜CT和MRI病变信息辅助诊断算法

视网膜图像病变信息的计算机自动提取算法是计算机智能辅助诊断的关键和难点。本文根据CT和MRI视网膜图像的成像机理不同以及诊断的需要,通常将具有不同细节的多源图像融合到一幅图像中去,在小波变换后的矩阵系数上,采用模糊隶属度函数量化的方法来融合视网膜图像,结合了小波分析以及模糊理论的优越性,使融合后的图像包含更丰富的细节和更全面的信息,实验证明,该方法融合效果好、性能佳,突出了多源图像的细节信息。     

基于小波框架的多传感器图像融合

图像融合是多传感器信息融合在图像处理领域的一个重要应用,以小波变换为工具是这一领域研究方法上的重大突破。文章从理论上分析了以小波框架进行图像融合优于正交小波,采用不同的融合规则对同一目标的不同聚焦图像进行试验,并对实验结果进行了分析和评价,评价结果与理论分析相吻合。     

基于Hash函数敏感性的医学图像精确认证

为了有效地鉴定医学图像的真实性和完整性,提出了一种基于提升格式的整数小波变换和Hash函数敏感性相结合的易碎水印方法。该方法在不需要原始图像的条件下,就可以检测到图像1bit的篡改,还可以对篡改区域进行定位。与现有基于小波变换的数字水印方法相比,可以在减少计算复杂性的同时,提高嵌入水印图像的质量。而MD5算法构造的Hash函数的运用提高了水印安全性和水印检测的能力。实验结果表明,本文算法对篡改具有极强的敏感性,且整个认证过程还需密钥完成检测,安全性很高,认证过程计算简单且准确性很高。     

适用于PACS系统的医学图像近无损压缩

为解决海量医学数据与有限存储空间和传输带宽之间的矛盾,提出一种适用于PACS(picture archiving and communication system)系统的医学图像近无损压缩算法。首先对病变区域和背景区域分别进行剪切波变换和小波变换;其次,选取一些能够近似逼近病变区域图像的重要系数达到去噪和初步压缩的目的;然后,对病变区域所选取的重要系数进行无损Huffman编码,同时对背景区域所得小波系数进行量化和多级树集合分裂算法(SPIHT)编码实现压缩;最后,融合各区域经解码和逆变换得到的图像获得整幅重构图像。实验结果表明,新算法在与小波有损压缩方法设置同样压缩比的情况下,所获取的病变区域重构图像和原病变区域的平均结构相似度(MSSIM)提高了6%,峰值信噪比(PSNR)是小波有损压缩方法的2.54倍,而整幅重构图像与原图像的MSSIM提高了2%,PSNR提高了13%。