多模态医学图像融合技术概述

介绍多模态医学图像融合的意义和多模态医学图像融合的方式，重点介绍多模态医学图像融合的实现及主要的医学图像配准方法，并讨论了目前的多模态医学图像融合方法中存在的主要问题，直观地从整体上阐述多模态医学图像融合技术。     

基于Matlab的多模态医学图像融合仿真

多模态医学图像融合是一种集医学图像处理和医学影像诊断于一体的新技术,其迅猛发展对医学影像技术的进步和临床诊疗产生了深远的影响。本文使用几种多模态医学图像融合的典型方法,在Matlab环境下进行了仿真实验,为相关领域的专业人员和非专业关注者提供了参考。     

基于GHM多小波的多模态医学图像融合算法研究

本文研究了基于多小波的多模态医学图像融合。在分析结构成像和功能成像特性的基础上,提出了分层融合的理念。详细阐述了预滤波后,如何使用GHM多小波分解二维医学图像、具体融合规则和多小波重构。与单小波分解相比,多小波要经过分解前的预滤波和重构后的后滤波。实验结果分析证实,该算法融合效果良好,各项指标有一定的提升。     

一种基于多小波变换的医学图像融合方法

本文讨论了医学图像CT与NMR的融合问题。由于骨骼组织仅能在CT中清晰显示,而软组织仅能在NMR中清晰显示,所以CT与NMR图像各自都不能同时清晰显示骨骼组织和软组织。在分析了CT与NMR图像成像机理的基础上,提出了一种基于多小波变换的融合方法。它可将CT与NMR图像进行有效的综合。所获得的融合图像,可同时清晰地显示骨组织和软组织信息。     

基于双树复小波变换的自适应图像融合方法

双树复小波具有平移不变性、方向选择性、有限冗余等特点,用于图像融合,优于传统的小波变换方法。本文提出一种基于双树复小波变换的自适应图像融合方法,源图像复小波分解后低频采用PCA,高频采用区域能量算法。通过对可见光和红外图像的融合实验,结果证明了双树复小波的优势和所用融合算法的有效性。     

基于小波变换的医学图像多因子融合技术及实现

概述了医学图像融合的意义。分析了以小波变换作为研究工具的理论优势。阐述了基于小波变换的图像融合原理．描述了具体的融合算子和性能评价参量。抽取了几幅医学图像进行融合试验并对结果加以分析。     

基于小波变换的不同融合规则的图像融合研究

图像融合是一种重要的增强图像信息的方法。提出了一种基于多尺度分解的像素图像融合方法。利用小波变换按照不同融合规则及融合算子构造融合图像对应的小波系数。通过对可见光图像与红外图像进行融合的实验比较表明，以像素的局部能量为准则的融合效果更好，既可避免传统融合规则的信息损失，又提高了融合图像的空间分辨率和清晰度，融合图像更符合人的视觉特性，也有利于机器视觉。     

基于Contourlet变换的医学图像融合研究

介绍了对医学图像进行多分辨率、多方向分解的Contourlet变换。针对医学图像的特点,提出一种改进的中心区域能量加权平均融合规则。进行了不同Contourlet分解层次以及基于Con tourlet变换的不同融合规则的医学图像融合的仿真实验。结果表明,图像的质量有明显提高。     

基于小波变换的图像融合技术研究

提出了一种基于小波变换的图像融合算法.首先,将配准后的多源图像进行小波分解,从而得到各个源图像的低频系数和高频系数.其次,对分解后的小波系数矩阵采用区域特征进行融合处理,最后,通过小波逆变换得到融合图像.通过大量的实验以及与其他融合算法的比较分析,表明该方法的有效性和优越性.     

基于Contourlet变换的偏振图像融合

提出一种基于Contourlet变换的偏振图像融合算法。Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用Contourlet变换对三个555波段不同方向的偏振图像进行分解,对于高频和低频系数分别采用不同的窗函数计算区域能量,最后加权实现偏振图像的融合处理。实验结果表明,该算法与小波分解法相比在保留原始图像边缘和纹理信息同时,可以体现偏振图像的特点,取得较好的融合视觉效果。     

基于小波变换的加权图像融合方法

提出了一种基于小波变换的多光谱图像与高空间分辨率图像融合方法。该方法通过局部方差准则利用加权平均将高空间分辨率图像和多光谱图像经小波分解的低频分量进行融合,然后将融合的低频分量和高空间分辨率图像的细节分量结合进行小波反演变换得到融合图像。通过和WT方法的融合结果进行对比评价,表明了该方法在提高多光谱图像的空间细节表现能力和保持光谱信息上都有很好的效果。     

基于小波和小波包变换的医学图像融合比较

分别用小波变换和小波包变换对CT和PET图像进行融合,用常用的十种图像融合质量评价指标对融合效果进行比较.结果表明小波包变换的融合质量评价指标只有部分是优于小波变换的.在对CT和PET图像进行融合时,小波包并不一定更占优势,要根据自己的实际需求来决定选择使用小波变换还是小波包变换.     

基于小波变换的多规则图像融合方法

针对红外和可见光图像各自特征,提出了基于小波变换多分辨率的不同规则图像融合方法.首先对原图像进行多级小波分解,产生多频带小波系数,利用像素的局部区域方差、平均梯度及掩膜滤波等方法对不同频带小波系数计算融合权重,最后将小波融合系数逆变换实现图像的融合处理.实验结果表明,融合图像特征显著,易于观察.     

基于小波变换的中波红外偏振图像融合

针对中波红外偏振图像的特征,给出了一种基于小波变换的融合新方法。根据中波红外偏振图像高低频图像特点选择不同的融合规则,针对低频图像采用偏振融合的方法来抑制背景信息,针对高频图像采用超分辨率重建算法来提升细节信息。实验结果显示,证融合后的红外图像比原始图像更加清晰,相较于仅偏振处理图像获得了更高的分辨率,相较于传统小波融合算法增加了偏振方面细节。     

基于小波变换的图像融合算法研究

图像融合是改善图像质量的一个重要途径,传统算法难以正确地对图像进行有效融合。为了提高图像融合的质量,提出一种基于小波变换的图像融合算法。首先对2幅原始图像进行小波变换,提取它们的小波系数,然后采用不同的规则对不同层次的小波系数进行融合,并采用小波变换对融合的系数进行融合,最后采用不同类型对图像融合结果进行测试和分析。结果表明,小波变换融合后的图像更加自然、清晰,提高了图像的信噪比,并且图像融合速度明显加快,获得了比对比算法更加理想的图像融合效果。     

基于PCA 变换与小波变换的遥感图像融合方法

针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代; 最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。     

Multifocus and multispectral image fusion based on pixel significance using discrete cosine harmonic wavelet transform

The energy compaction and multiresolution properties of wavelets have made the image fusion successful in combining important features such as edges and textures from source images without introducing any artifacts for context enhancement and situational awareness. The wavelet transform is visualized as a convolution of wavelet filter coefficients with the image under consideration and is computationally intensive. The advent of lifting-based wavelets has reduced the computations but at the cost of visual quality and performance of the fused image. To retain the visual quality and performance of the fused image with reduced computations, a discrete cosine harmonic wavelet (DCHWT)-based image fusion is proposed. The performance of DCHWT is compared with both convolution and lifting-based image fusion approaches. It is found that the performance of DCHWT is similar to convolution-based wavelets and superior/similar to lifting-based wavelets. Also, the computational complexity (in terms of additions and multiplications) of the proposed method scores over convolution-based wavelets and is competitive to lifting-based wavelets.     

基于小波变换的红外图像融合技术研究

图像融合的目的是把来自多传感器数据的互补信息合并形成一幅新的图像,以便更好地进行监视和侦察之类的视觉感知。文中介绍了小波变换及其Mallat快速算法,提出了基于小波变换的图像融合方法,并分析了可见光与红外图像的融合结果,结果表明,小波变换融合图像包含了所有传感器的相关信息,其性能优于高斯－拉普拉斯金字塔结构算法,这一原理也可以应用到两幅以上的图像上,无论这些旬否在同一光谱波段内。