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。     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

基于非下采样剪切波变换和特征合成的医学图像融合算法

针对融合后的医学图像时常存在细节纹理不够清晰的问题,本文提出一种新的基于非下采样剪切波变换（Non-Subsampled Shearlet Transform,NSST）的医学图像融合算法,对多模态医学影像进行融合,增强细节结构提取的能力,提高图像融合质量,为医疗诊断提供依据.首先,将已配准的源图像进行NSST分解,得到低频子带和一系列高频子带;其次,对于低频子带系数,提出利用局域平均能量与局域标准差的合成值进行子带之间选择的融合策略,有利于完整保存基础信息,对于高频子带系数,利用改进的拉普拉斯能量和（New Sum of Modified Laplacian,NSML）的方法进行融合;接着,将融合过后的低、高频子带进行NSST的逆过程变换,从而得到融合之后的图像;最后,在灰度和彩色医学多模态图像上进行大量的实验,并选择信息熵（IE）,空间频率（SF）,标准差（SD）和平均梯度（AG）对融合后的图像进行质量评价.仿真结果表明,本文算法在主观视觉效果以及客观评价指标上均取得较大改善.与其他算法相比,信息熵,标准差,空间频率和平均梯度的平均值分别提高了2.99%,4.06%,1.78%和1.37%,融合后的图像包含更丰富的细节纹理信息,视觉效果更好.     

小波变换在医学图像融合中的应用研究

对不同模态的医学图像进行融合处理,可为临床提供新的诊断信息.针对V. Petrovic提出的灰度图像融合方法,给出了一种改进的多尺度图像融合算法.首先对源图像按照V.Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔表示,然后对金字塔中的两个低通分量加权平均后,再进行反变换,即得灰度融合图像.然后以此灰度融合图像作为两幅源图像的公共部分,利用Toet的伪彩色融合方法,得到最终的彩色融合图像.由于该算法兼容了灰度融合和彩色融合的优点,用不同彩色来显示灰度差,使得融合图像在色彩上更丰富,包含更多的细节.将其应用于CT和MRI图像融合,仿真结果得到了证明.     

图像放缩的离散算法

从简单的二值图像出发提出灰度图像的离散放缩算法。该算法尽可能地保持了放缩后图像内物体边界的清晰，自然，而放缩倍数可为任意非整数倍。应用该算法，图像放大后层面清晰，色彩丰富，忠实地反映了原始图像的面貌；图像缩小后能较好地体现原始图像的主要特征。实例证明，此方法比常见的商品软件有更好的边界处理效果，且计算稳定，实现方便，将算法已成功地应用于开发的医学图像处理系统中。     

改进颜色融合的医学图像彩色化技术

彩色化后的医学图像能清晰体现患者病灶信息有利于医患沟通。提出改进颜色融合的医学图像彩色化方法,首先利用基于KNN的图像前背景区分算法,强化病灶区域的边界信息;然后以此为约束条件,只需提供简单的着色输入;最后将边界能量引入颜色融合方法,得到较好的着色结果。着色图像保持了原图的灰度信息不变,增加了彩色标记图像的颜色和真实感。实验结果表明,该算法具有较高的精确度,可有效的应用于医学图像彩色化处理。     

基于区域分割的红外和可见光图像融合方法

针对红外和可见光图像融合在场景监控中的应用,提出了一种基于区域分割的图像融合方法。首先采用改进的区域生长法对源图像进行区域分割,得到用于融合图像的联合区域表示,然后综合考虑目标灰度和面积的特点将区域划分为目标区域和背景区域,分别采取基于区域能量和区域平均梯度的融合规则得到融合图像。通过对两组不同场景下的图像进行实验,结果表明该方法能够有效地保持源图像特征,融合结果有利于人眼感知和机器视觉。     

基于低秩表示和NSST的医学图像融合

针对不同模态的医学图像成像机理不同,对人体信息显示特性不同,融合结果噪声较大,梯度信息不足等问题,提出一种基于低秩表示和非下采样剪切波变换(NSST)的医学图像融合方法。采用低秩表示方法LatentLRR对原始医学图像进行去噪及特征信息提取,得到基础图像;通过NSST对基础图像分解得到高频图像和低频图像;对得到的相应特征信息运用引导滤波的方法进行处理得到融合后的特征图像,对高频图采用局部梯度能量算法进行融合,对低频图采用加权改进拉普拉斯能量和进行融合;采用逆NSST得到基础融合图像;将基础融合图与特征融合图结合得到最终融合图像。与几种经典图像融合算法相比较,该算法在客观评价和主观评价上均表现出优势。     

多传感器大差异像素图像融合方法研究与仿真

研究多传感器采集的图像高清融合问题。图像采集传感器分布区域较为广阔,各区域的图像像素灰度、梯度、像素密度等存在较大差异,不同区域的像素灰度存在较大冲突。传统的多传感器多采用图像的像素叠加技术完成融合,无法避免不同区域的传感器采集图像像素不匹配引起的像素冲突。针对造成融合图像信息丢失的问题,提出一种基于冲突惩罚因子的多传感器图像融合方法,通过对像素进行分类,运用冲突惩罚因子,选取高信息量的像素进行平滑融合,得到高清晰多传感器融合图像。实验证明,这种多传感器图像融合方法能够最大化地保证融合后的图像信息,得到高清晰度的融合图像。     

融合局部特征的图像过渡区提取与阈值化

针对图像过渡区提取与阈值化问题,提出了一种融合局部灰度复杂度和局部灰度差异度的方法。首先生成图像的局部复杂度和局部差异度等局部灰度特征;其次融合这些局部灰度特征构造新的特征矩阵;然后设计了与特征矩阵的均值和标准差相关的自动特征阈值,并提取图像过渡区;最后将过渡区像素的灰度均值作为最优灰度阈值完成图像二值化。实验结果表明,所提方法的过渡区提取质量高,分割效果好,具有合理性和有效性,可作为经典方法的有效补充。     

Contourlet变换系数加权的医学图像融合

目的 由于获取医学图像的原理和设备不同,不同模式所成图像的质量、空间与时间特性都有较大差别,并且不同模式成像提供了不互相覆盖的互补信息,临床上通常需要对几幅图像进行综合分析来获取信息。方法 为了提高对多源图像融合信息的理解能力,结合Contourlet变换在多尺度和多方向分析方法的优势,将Contourlet变换应用于医学图像融合中。首先将源图像经过Contourlet变换分解获得不同尺度多个方向下的分解系数。其次通过对Contourlet变换后的系数进行分析来确定融合规则。融合规则主要体现在Contourlet变换后图像中的低频子带系数与高频子带系数的优化处理中。针对低频子带主要反映图像细节的特点,对低频子带系数采用区域方差加权融合规则;针对高频子带系数包含图像中有用边缘细节信息的特点,对高频子带系数采用基于主图像的条件加权融合规则。最后经过Contourlet变换重构获得最终融合图像。结果 分别进行了基于Contourlet变换的不同融合规则实验对比分析和不同融合方法实验对比分析。通过主观视觉效果及客观评价指标进行评价,并与传统融合算法进行比较,该算法能够克服融合图像在边缘及轮廓部分变得相对模糊的问题,并能有效地融合多源医学图像信息。结论 提出了一种基于Contourlet变换的区域方差加权和条件加权融合算法。通过对CT与MRI脑部医学图像的仿真实验表明,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度。     

基于图像块多向梯度模的小波图像融合方法*

利用块分割图像融合算法的思想,提出了一种基于多向梯度模的小波图像融合方法：对图像块进行小波分解,利用小波反变换得到相同尺度的高频图像块,然后对高频图像块多向梯度滤波,比较对应块的高频图像的总的梯度模值,以挑选出其中清晰的图像块并进行一致性验证,重构图像。该方法不用进行小波反变换重构图像,真正保留了原始的清晰图像。通过实验,证明了该方法对于多聚焦图像的融合具有很好的效果和很好的稳定性。     

基于自适应云模型的多模态脑部图像融合方法

多模态医学图像融合通过提取并综合不同模态的医学图像信息,获得对病灶部位更加清晰、全面、准确、可靠的图像描述,为医生对疾病的诊断和合理治疗方案的制定提供可靠的依据。云模型理论是认知科学研究的新成果,具有兼顾随机性和模糊性的优点,在图像融合中的应用较少。借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先,根据脑部图像自身的灰度直方图特征,对灰度直方图进行拟合;然后,由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型;最后,设计云推理规则,得到融合后的图像。实验结果表明,相比传统融合方法,所提方法融合后的图像脑部特征更清晰,激活区域更明显,在主观融合效果与客观评价指标方面均有很大的提高。     

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法.先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合.其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像.仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法.     

医学图像融合技术在肿瘤放射治疗中的应用

由于常规医学图像的有效信息量较少，参考常规医学图像会影响肿瘤病情的判断，导致肿瘤放射治疗临床效果较低，为此提出医学图像融合技术，并将其应用到肿瘤放射治疗工作当中。利用医学设备采集患者的初始医学图像，通过灰度化、负像化和直方图预处理医学图像。经过医学图像的配准空间变换，将参考图像与浮动图像导入配准空间内，保证映射点与像素原点重合，实现多模态医学图像的配准处理。采用融合算子融合医学图像的各个级别及系数，得到重构的医学融合图像。输出医学图像融合结果，将医学图像融合结果应用到肿瘤放射治疗中，确定靶区位置并调整放射剂量，实现患者肿瘤放射治疗。实验结果表明，将医学图像融合技术应用到实际的肿瘤放射治疗工作中，可以有效地提高肿瘤的临床治疗效果，具有较高的应用价值。     

螺旋结构及梯度分析的图像融合算法*

为了提高图像融合的效果,提出了螺旋结构和梯度分析的图像融合算法。算法首先进行非下采样轮廓波变换,得到一系列高低频子图。然后对低频子图中稀疏表示方法的滑窗模型进行了研究,针对其融合时间较慢的问题,提出了螺旋结构方向模型进行字典学习和稀疏表示,对稀疏系数通过空间频率取大的规则进行低频子图的融合,提高了融合效率;又针对高频子图中待融合图像的边缘突变情况,提出基于梯度分析的高频融合规则,使得较清晰的图像特征在融合时更易保留至最终的融合图像中。最后,对灰度图像和彩色图像进行了融合实验及不同融合算法的比较分析,并通过主观观察和客观数据对比验证了该算法在时间上和融合效果上的有效性。     

医学图像处理技术综述

医学影像已成为医学技术中发展最快的领域之一,临床医生在医学图象处理技术的帮助下,对人体内部病变部住的观察更直接、更清晰．确诊率也更高。本文对图像分割、图像配准和图像融合等医学图像处理技术的现状和发展进行了综述。     

彩色图像多尺度融合灰度化算法

为了使彩色图像灰度化后能够保留更多的原始特征,提出了一种新的基于多尺度图像融合的灰度化算法。将彩色图像分解为R、G、B三个通道图像,采用基于高斯-拉普拉斯金字塔的多尺度图像融合模型进行灰度化,并引入梯度域导向图像滤波（Gradient Domain Guided Image Filter,GGIF）来消除多尺度融合可能产生的伪影。将灰度化问题转换为保持三个通道单色图像特征的多尺度融合问题。实验结果表明,与其他灰度化算法相比,所提算法对边缘信息敏感,并能够在较亮或较暗区域检测出更多的图像细节特征。     

基于多特征融合的医学图像识别研究*

以医学图像为研究对象,针对任何一类特征都不能很好地表达医学图像的缺点以及进一步提高医学图像的识别率,提出了一种基于特征级数据融合与决策级数据融合相结合的分类方法。实验结果表明,采用特征级数据融合,融合后的特征可以较好地表达医学图像,且减少了后期分类的计算量;采用决策级数据融合,取得了比单个分类器更高的识别率。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。