基于SIDWT的多模态脑部医学影像融合算法北大核心

研究了人脑CT/MRI医学图像融合算法。传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真。提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案。利用SIDWT将待融合的医学图像分解成低频子带和高频子带。对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息。对于低频子带,采用基于局部区域对比度的融合规则。实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果。     

基于SIDWT的多模态脑部医学影像融合算法

研究了人脑CT/MRI医学图像融合算法.传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真.提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案.利用SIDWT将待融合的医学图像分解成低频子带和高频子带.对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息.对于低频子带,采用基于局部区域对比度的融合规则.实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果.     

基于多尺度分析矩特征的人脸表情识别

Zernike不变矩具有对噪声不敏感,正交等特性,是表情的有效表征方法,高阶Zernike矩包含更多图像信息,对表情分类的作用更大.但是高阶矩的计算复杂度很大,很难达到快速表情识别的要求.本文利用小波变换对表情图像进行多尺度分析,从低频子图像中计算其Zernike矩作为判别特征进行表情识别.通过小波变换,一方面可以对图像降维,降低计算复杂度;另一方面,小波变换的去噪性能使得识别效果更好.实验表明,基于多尺度分析Zernike矩特征的方法优于单独使用小波变换或Zernike矩特征方法的识别效果.     

基于多小波基的医学图像融合

针对CT图像和MRI图像所显示组织信息的不同,提出一种新的基于多个小波基的图像融合方法.首先利用多个不同的小波基对医学图像CT和MRI进行小波分解,高频采用方向对比度融合规则,低频采用加权平均的融合规则得到相应小波基的融合子图像,最后将各子融合图像采用像素平均的融合方法,得到最终的融合图像.实验结果表明,无论是在视觉效果上还是在定量指标上,该方法融合效果均明显优于单一小波基的图像融合方法.     

基于改进小波变换的医学图像融合算法研究

本文主要针对图像经过小波变换后边角上看不清楚和传统的边缘检测算法对噪声敏感的问题,结合医学图像的特点,提出一种小波变换的修正算法。首先采用改进的多结构元多尺度形态学梯度的边缘检测进行图像的预处理,其次对CT图像和MRI图像分别进行两种不同小波基的三层小波分解;接着求其对应分量系数的差值图像,最后按着一定加权融合系数对差值图像进行融合得到最终的融合图像。实验结果和评价参数表明,这种改进的医学图像融合算法相比于传统的多小波融合算法不仅强化了融合图像的边缘和纹理特征,提高了分辨率,而且有效地保留了原图像的信息。     

基于ShearLab 3D变换的3维PET/MRI图像融合

为了解决阿尔茨海默病3维正电子发射断层成像(PET)与核磁共振成像(MRI)相同位置强度不同问题,同时保留MRI大脑皮质、脑回沟、海马体等的萎缩情况, 首先将两幅源图像在统计参量图(SPM)中预处理,再利用3维剪切波系统(ShearLab 3D)最优表达高维数据的能力对图像分解,生成低高频子带,并以方差作为阈值将高频子带分为中高频子带。低频子带使用3维扩展的加权局部能量与改进拉普拉斯算子的加权和加权的融合规则,并引入锐化矩阵为权重参量,使融合图像边缘清晰; 中频子带以绝对值为活动度量增强图像的边缘信息; 高频子带以3个3维底层特征加权融合规则增强图像的细节特征。最后,利用ShearLab 3D逆变换获得PET/MRI图像。结果表明,ShearLab 3D变换的融合结果整体优于空域和小波变换;ShearLab 3D方法中将不同融合规则对比分析,该算法融合结果的平均梯度、空间频率、边缘强度、综合熵分别提高了11.09%,22.58%,152.68%,0.58%,解决了边缘模糊、细节不清晰的问题。该研究为PET/MRI图像融合提供了参考。     

基于Tetrolet变换的图像融合

Tetrolet变换与目前广为采用的小波变换相比, 在处理高维信号时具有更好的方向 性,能够精确 地表达图像的结构及纹理特征。本文将Tetrolet变换用于不同频谱图像的融合,以期获取更 大的信息量。 首先,将待融合的图像分别进行Tetrolet变换,得到不同尺度的高通和低通子带。然后,对 低通子带采用 基于局部区域梯度信息的融合方法得到低通融合系数,而对高通子带采用基于邻域方差加权 的融合方法得 到高通融合系数;最后,通过重构得到融合图像。采用多种图像进行了融合实验,其结果均 表明,经Tetrolet 变换获取的融合图像特征更为丰富、信息量更大,融合图像的信息熵和标准差都优于目前广 为采用的小波 变换和PCA变换图像融合算法;本文方法可有效地提高ATR系统和视觉对目标的识别探测概率 和降低虚警率。     

边缘检测和小波变换在多聚焦图像中的应用

根据多聚焦图像的特点,把边缘检测方法和小波变换融合算法结合起来,可以获得同一场景内所有物体都清晰的图像。首先利用高斯—拉普拉斯算子对源图像进行融合,得到边缘清晰的融合图像;接着对源图像进行小波变换,变换后的小波系数融合规则采用选择融合和加权平均融合相结合,经反变换后得到整体清晰的图像;最后将边缘清晰融合图像与小波变换融合图像再一次融合,得到了清晰度增强的融合图像。仿真试验表明,边缘检测和小波变换相结合的融合方法可有效综合多聚焦图像。     

一种改进的亚像素边缘检测方法

为满足测量系统的快速、高精度的图像测量要求,提出一种基于传统Zernike矩结合小波变换实现亚像素边缘检测的方法。算法先用小波模极大值原理对图像粗定位,再用Zernike矩算法对边缘进行亚像素定位,并用最大类熵阈值法计算阈值,实现图像的亚像素边缘检测。实验表明,该方法抗噪性能好,且检测精度更高,能达0.1~0.2个像素。     

一种基于小波变换和图像边缘特征的图像融合方法

图像融合是信息融合的重要组成部分,是一种重要的增强图像信息的方法。本文将图像小波变换边缘提取和图像融合结合起来,提出了一种基于图像边缘特征的图像融合方法。首先对输入图像进行小波变换,用模极大值方法检测出图像的多尺度边缘,然后利用边缘特征对小波系数进行融合。实验结果表明该方法既能有效地去除噪声,又能突出源图像的边缘细节信息,是一种有效的图像融合方法。