小波分析方法在医学图像融合中的应用

在临床的实际应用中,单模态的医学图像(CT,MRI)的3D重建不能提供医生所需要的足够信息. 由于成像机理不同和人体组织结构的高度复杂性,不同模态的医学图像提供了不互相覆盖的结构互补信息. 为此在医学图像配准的基础上提出基于小波变换的最大值融合规则,局部平均梯度融合规则,区域能量融合规则等算法. 通过对CT图像与MRI图像基于小波变换的不同融合规则及融合算子进行融合的实验结果比较表明,以区域能量融合规则作为准则的融合效果更好. 能够把这两种图像优点结合在一张图像上,这样能为病变提供准确的定位参照,能清晰地显示病变自身,对诊断和治疗更加有利.     

基于边缘检测和最大互信息的医学图像配准算法

在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息。而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分。本文提出了一种基于DSP的医学图像配准问题的研究与实现的方案。该方案首先采用TI公司的高性能多媒体数字信号处理器DM642获取实时医学图像,再用配准算法验证其获取的实时医学图像配准的可行性。并采取了基于轮廓提取和最大互信息的方法进行图像配准,克服了互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,较准确地完成图像配准任务。     

基于小波的医学图像去噪方法研究

为有效地表现医学图像原有信息中有用的信息,降低医学图像受噪声干扰的现象,减少诊断误差,本文将现有的小波图像去噪方法运用于医学图像,并对各种方法进行实验分析比较,以提供医学参考。实验发现,与较常用的均值滤波与中值滤波相比,小波去噪方法有效提高了医学图像的去噪PSNR值。     

一种基于NSCT和自适应PCNN医学图像融合的改进算法

由于医学影像成像原理不同,不同模态图像的质量、空间和时间特性有较大区别,因此临床上需要将不同模态的图像融合进行综合分析。为了准确并全面地融合MRI和PET图像,提出了一种基于NSCT和自适应PCNN医学图像融合的改进算法。算法采用NSCT得到图像的低频和各方向子带信息,采用符合人类视觉系统的自适应PCNN选择融合图像系数,重构得到融合图像。采用颅脑MRI和PET医学图像进行了仿真实验。结果表明,基于NSCT自适应PCNN算法在提高空间纹理细节和减少颜色失真方面明显优于其它的融合算法。     

基于小波变换的医学图像分割

医学图像分割是图像分割的一个重要应用领域,也是制约医学图像在临床上广泛应用的题.对医学图像分割技术进行了综合研究,在此基础上提出了一种新的基于小波变换的医学图像分割方法.首先利用小波变换提取边缘信息,然后采用C均值聚类法把原有灰度信息和边缘信息进行聚类.仿真试验证明该方法能有效地解决过分割问题,提高了分割效率.     

小波域CT/MRI医学图像融合新方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的小波域CT/MRI医学图像融合算法,利用平均梯度和方差两个指标来指导低频分量的融合;对高频分量采用基于梯度能量比加权的融合规则。实验结果表明,与传统的小波变换方法相比,此方法能够充分地将两种不同模式的信息融合在一起,很好地保留原始图像的重要特征,融合图像包含更丰富、更全面的细节信息,有效提高了医学图像融合的信息量。     

基于方差的图像融合

图像融合是一种信息综合处理技术,其目的是通过对多幅图像间冗余数据和互补信息的处理提高图像的可靠性和清晰度.作者提出了一种基于方差的图像融合方法,将源图像分割成若干块,选用块方差作为特征量,通过比较,选取效果好的分割块进行融合,并通过仿真实验证明了该方法具有可行性及较好的性能.此外,通过在医学领域的应用,说明了对图像融合技术研究的必要性.     

基于方差的图像融合

图像融合是一种信息综合处理技术,其目的是通过对多幅图像间冗余数据和互补信息的处理提高图像的可靠性和清晰度.作者提出了一种基于方差的图像融合方法,将源图像分割成若干块,选用块方差作为特征量,通过比较,选取效果好的分割块进行融合,并通过仿真实验证明了该方法具有可行性及较好的性能.此外,通过在医学领域的应用,说明了对图像融合技术研究的必要性.     

图像信息融合与医学图像综合显示

讨论了医学图像计算机断层摄像技术与核磁共振的融合问题．分析了计算机断层摄像技术与核磁共振的成像机理，依据期望的融合结果，提出了一种新的基于小波变换的系数取大融合算法．将已匹配的计算机断层摄像技术与核磁共振图像首先分别进行小波变换，然后比较相应尺度上的小波系数。采取区域系数取大准则，构造新的小波系数，最后进行小波反变换，获得融合图像，既可清晰地表现骨组织信息，又可清晰地表现软组织信息．     

冗余提升不可分离小波的图像融合方法

提出了一种基于冗余提升不可分离小波的多源图像融合方法。该方法不仅能很好地提取图像的细节信息,而且具有平移不变性,非常适合于图像融合;同时,采用基于局部邻域梯度的融合规则对分解后的高频和低频小波系数作不同的处理。对多光谱红外图像以及不同类型的医学图像进行了融合试验,结果表明该方法可以取得更好的融合效果。     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.     

优化的CT图像配准方法的研究与比较

由于不同的医学图像信息的局限性,综合利用多次成像或多种模式成像可以获得较全面的信息,使临床诊断和治疗、放疗的定位和计划设计、外科手术和疗效评估等更加全面和精确.尽管近30年来对生物医学图像配准方法做了大量的研究,并提出了许多解决办法,取得了很大的进展,但到目前为止还没有一种能应用于临床的通用的软件配准方法.为了选出更合适的CT医学图像配准方法,试验与比较了一些配准方法.为了能处理更广范围的形变,特别地在CT医学图像上对多分辨率的弹性配准进行了研究.实验结果表明,对于基于B样条的弹性配准,多分辨率配准模式性能更优.     

基于内容的医学图像检索

通过提取如图像的颜色、纹理、形状和空间关系等底层特征来建立索引,然后通过计算比较这些特征和查询条件之间的相似度来判断2个图像的相似程度,将相似度较高的图像显示给用户,进而完成图像检索.通过以建立医学图像的特征矢量作为其索引,使用医学图像的多维特征进行相似查询,可提高临床医师的确诊率.     

基于动态减背景图像处理算法的可变形线性物体识别

围绕可变形线性物体（deformable linear objects,DLO）的检测、目标特征提取和动态操作时的故障诊断3个方面进行研究．首先,应用静态背景下常用的动态减背景方法实现了可变形线性物体的动态目标检测;进而对检测出来的目标物体进行插补,并加以标记,从而提取得到目标特征．最后,通过对提取出的特征点进行监控,获得目标物体在不同状态下的信息,并提供故障诊断的依据．结合以上图像处理算法,在带视觉系统的三菱PAIO机械臂平台上操作可变形线性物体,进行了实验研究．结果证明,该方法可以较好地监控可变形线性物体在运动过程中状态,并及时诊断故障的发生．     

一种融合在线铁谱图像特征信息的磨损状态诊断方法

采用在线铁谱图像表征机器磨损状态是铁谱诊断技术的核心和瓶颈.针对在线油液监测获取的磨粒图像信息,设计了一种融合在线铁谱图像特征信息的磨损状态诊断方法,首先通过对原始图像进行灰度化、直方图阈值二值化、高斯与椒盐增强、模板锐化、多次膨胀与腐蚀、边界跟踪、自适应阈值分割处理,获得较为准确的图像磨粒量化统计质量分数信息来量度相对磨损浓度;再融合能量、熵、惯性矩、局部平稳性等图像纹理特征对磨损状态进行分析、诊断、评价;最后采用RBF神经网络技术对铁谱磁性磨粒进行自动识别.实验验证了该方法的创造性和可行性.     

基于区域能量和层间相关性的图像加权融合算法

研究了一种基于CL多小波变换的区域局部能量的多模态医学图像的融合方法.该方法改进了以往依靠能量匹配度的方法,充分研究了图像局部能量之间的数值关系.当多小波分解后,用图像层间相关系数来确定融合权值.该算法稳定性强,基本满足诊断的实时性要求.实验结果表明,该方法相较于单纯GHM区域能量融合方法,不仅将图像的信息熵和互信息熵,分别提高了2%和5%,交叉熵和标准差等指标也不同程度的有所提高,而且有较好的直观视觉效果.     

图像处理在机器人辅助外科手术中的应用状况

在综述了目前外科和一些介入式手术的图像导航技术和成果基础上,对图像导航系统中的关键技术进行了分析。提出了将来图像导航系统的可能技术组成,并展望了这些技术在诊断和治疗中将达到微创化、智能化和人性化所起到的作用。     

Reciprocal bi-directional generative adversarial network for cross-modal pedestrian re-identification

To improve the accuracy of cross-modal pedestrian re-identification,a reciprocal bi-directional generative adversarial network-based method is proposed.First,we build two generative adversarial networks to generate cross-modal heterogeneous images.Second,an associated loss is designed to pull close the distribution of features in latent space during the image translation between visible and infrared images so as to help the networks generate fake heterogeneous images that have high similarity with the real images.Finally,by concatenating the original and generated heterogeneous pedestrian images into the discriminative feature extraction network,images from different modalities can be unified into a common modality,thus suppressing the cross-modal gap.Representation learning and metric learning are utilized to achieve more discriminative pedestrian features.Comparative experiments are conducted on SYSU-MM01 and RegDB datasets to analyze the accuracy with different loss functions.Compared with other state-of-the-art cross-modal pedestrian re-identification methods,the proposed method achieves a higher accuracy and stronger robustness.     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。