应用于医学图像的对比度调制融合方法

阐述了基于对比度调制的图像融合方法,包括传统的对比度调制法以及利用金字塔结构实现的多尺度对比度调制法.特别是对于特定的人体头部CT和MRI图像,根据其图像特点,对算法做出相应的调整,得到良好CT和MRI的结构融合图像.同时着重说明了多尺度对比度调制法的具体过程.     

基于PCNN的多尺度对比度塔图像融合算法

基于脉冲耦合神经网络(PCNN)的基本原理,提出了一种新型的图像融合算法。新算法在对源图像进行多尺度对比度金字塔分解的基础上,将多尺度对比度金字塔作为PCNN的输入,利用PCNN的全局耦合特性和脉冲同步特性进行对比度选择以实现图像融合。新算法利用了源图像的全局特征,符合人的视觉神经系统的生理学特性,实验结果表明了新型融合算法的有效性。     

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。     

基于金字塔方法的图像融合原理及性能评价

阐述了基于拉普拉斯金字塔和对比度金字塔图像融合的原理和方法,把这两种方法应用于不同聚焦图像的融合以及蓝光波段和红外波段的卫星遥感图像融合,并对融合图像质量进行了对比评价,得出了这两种融合方法的各自特点。     

医学图像融合方法综述

多模态医学图像能够为医疗诊断、治疗规划和手术导航等临床应用提供更为全面和准确的医学图像描述。由于疾病的类型多样且复杂,无法通过单一模态的医学图像进行疾病类型诊断和病灶定位,而多模态医学图像融合方法可以解决这一问题。融合方法获得的融合图像具有更丰富全面的信息,可以辅助医学影像更好地服务于临床应用。为了对医学图像融合方法的现状进行全面研究,本文对近年国内外发表的相关文献进行综述。对医学图像融合技术进行分类,将融合方法分为传统方法和深度学习方法两类并总结其优缺点。结合多模态医学图像成像原理和各类疾病的图像表征,分析不同部位、不同疾病的融合方法的相关技术并进行定性比较。总结现有多模态医学图像数据库,并按分类对25项常见的医学图像融合质量评价指标进行概述。总结22种基于传统方法和深度学习领域的多模态医学图像融合算法。此外,本文进行实验,比较基于深度学习与传统的医学图像融合方法的性能,通过对3组多模态医学图像融合结果的定性和定量分析,总结各技术领域医学图像融合算法的优缺点。最后,对医学图像融合技术的现状、重难点和未来展望进行讨论。     

基于高频方差对比度小波变换的图像融合方法

针对现有的区域图像融合方法没有充分利用代表图像细节信息的高频分量的情况,给出一种以高频方差对比度为判断依据的小波变换的图像融合算法.算法以高频域为研究对象,给出了高频方差对比度的概念,其步骤为:首先利用小波变换得到待融合图像的多分辨分析,再以相应各级上的对应区域的高频方差对比度为判据,选择图像的多分辨分析的相应各级上的小波系数,最后通过小波重构得到融合图像.实验结果性能分析表明,充分发挥了高频分最的作用,能使融合图像综合更多的源图像信息,融合效果良好.     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

基于平均梯度和方向对比度的图像融合方法

由于不同传感器获得的多幅图像对同一场景的描述具有信息的冗余性和互补性,在小波图像融合的基础上提出了一种基于平均梯度和方向对比度的图像融合方法。对参加融合的两幅图像进行小波多尺度分解,在每幅图像的最高分解层上,分别计算高频子带每个系数的邻域绝对值均值和低频系数的邻域均值之比,采用两者之比较大者所对应的高频子带系数作为融合后所对应的小波系数,对于其他分解层上的高频系数和低频系数,利用梯度最大化的融合规则得到融合图像的小波系数,通过小波重构得到融合图像。将该方法应用于仿真实验,融合图像的视觉效果有很好的改善,客观评价指标有所提高。     

灰度值加权医学图像融合方法

根据医学图像显像特点,说明医学图像融合在空域上研究的可行性,并针对灰度值极大法在颅脑图像融合中的不足做了改进,把图像的区域特征考虑在内,经反复实验比较,发现图像的平均梯度不仅能反映图像的清晰程度,同时还反映出图像中微小细节反差和纹理特征,提出了灰度值加权和的算法,以灰度值为基础,把平均梯度作为权值,结果证明,给定合适的权值大小,融合后的图像脑组织丰富清晰,并且相对变换域融合,计算量小,适用于实时性系统.     

基于拉普拉斯金字塔和CNN的医学图像融合算法

医学图像融合技术因其包含多模态的图像信息,在临床应用中起着越来越重要的作用。医学图像融合效果符合人类视觉感知,减少先验知识对融合效果的影响和增强细节表现力一直是努力的方向。提出基于拉普拉斯金字塔和卷积神经网络的医学图像融合方法,针对图像伪影的问题采用区域拉普拉斯金字塔,为保存更多的细节信息并使参数自适应,对卷积神经网络进行改进。将源图像分别输入区域拉普拉斯金字塔进行分解,采用改进的卷积神经网络生成最优权重图指导融合过程,通过逆过程生成融合图像。实验结果表明,提出的方法在主观视觉和客观评价指标上都取得了良好的融合效果。     

一种面向多光谱遥感图像的动态尺度梯度调制融合算法

针对多光谱遥感图像,提出一种新的动态尺度梯度调制融合算法;该算法首先根据需求选取不同波段上的光谱图像,然后在多尺度梯度塔形分解数据结构下,分析、选择合适尺度上的一幅梯度图像作为融合的引导,再经过动态的阈值选取和二值化得到调制因子,对另一幅光谱图像进行调制,获得最终的融合图像;实验结果表明,与传统的对比度调制算法和多尺度调制融合算法相比,该算法能够有效地保留、增强各个波段光谱图像中最显著的地貌特征.     

空间频率图像的智能融合

提出了一种智能地融合同一场景的多幅图像为一幅图像的方法,与原图像相比,产生的图像包含较少的噪声和更多的信息。首先对原始图像除去斑点噪声;然后,运用直方图均衡化表示图像的细节和最大化图像信息内容;第三步,运用金字塔将图像分解为子图像,利用图像的密度、空间频率等特征,寻找需要融合的图像的部分;第四步,对这些子图像进行配准,为融合做准备;第五步,对需要融合的子图像,计算每一幅的空间频率,对空间频率不同的配准子图像,将结合它们周围子图像的空间频率信息,给出这个子图像的频率(一般情况下,频率值选择一个具有最高值的像素);第六步,为了得到更多细节,用模糊插值方法扩大这幅子图像。     

基于离散余弦变换的多聚焦图像融合

文章根据可见光多聚焦图像的成像机理,提出了基于离散余弦变换的融合算法。该方法先利用DCT将图像分解为不同空间频率的分量,然后利用方向对比度的融合规则得到融合图像的DCT域矩阵,最后通过DCT逆变换得到融合图像。实验结果表明,该算法可以有效综合多聚焦图像,从而得到同一场景中所有物体都清晰的图像。与小波融合算法相比,融合后的图像质量都很好,但计算时间缩短了。     

视觉显著性检测与金字塔变换相结合的图像融合

提出了一种利用人类视觉机制进行图像融合的算法。首先对源图像进行金字塔分解;接着对低频和高频分量采用不同的融合策略,低频分量依据最大显著性准则选择融合像素,高频分量利用相关性加权准则选择融合像素。初步融合后的低频和高频分量经金字塔重建获得最终融合结果。金字塔变换可提供多分辨率的图像表示,但不区分图像区域的重要性;而视觉显著性检测可定位图像最显著区域,但对噪声敏感;两算法的结合能取长补短,获得好的融合结果。实验表明,提出的方法优于已发表的其他基于金字塔变换的图像融合算法,适用于多聚焦图像、多波段图像和多光谱图像融合。     

基于局部对比度的自适应PCNN图像融合

提出了一种结合人眼视觉特性的自适应PCNN图像融合新方法,使用图像逐像素的局部对比度做为PC-NN对应神经元的链接强度,经过PCNN点火获得参与融合图像的点火映射图,再通过判决选择算子,选择各参与融合图像中的明显特征部分生成融合图像.该方法除几个主要参数外,其它参数如阈值调整常量等对于融合结果影响很小,解决了PCNN用于图像处理时参数多且调整困难的问题.实验结果表明,融合效果优于经典的小波变换方法和Laplacian塔型方法.     

A Local Contrast Fusion Based 3D Otsu Algorithm for Multilevel Image Segmentation

To overcome the shortcomings of 1D and 2D Otsu’s thresholding techniques, the 3D Otsu method has been developed. Among all Otsu’s methods, 3D Otsu technique provides the best threshold values for the multi-level thresholding processes. In this paper, to improve the quality of segmented images, a simple and effective multilevel thresholding method is introduced. The proposed approach focuses on preserving edge detail by computing the 3D Otsu along the fusion phenomena. The advantages of the presented scheme include higher quality outcomes, better preservation of tiny details and boundaries and reduced execution time with rising threshold levels. The fusion approach depends upon the differences between pixel intensity values within a small local space of an image; it aims to improve localized information after the thresholding process. The fusion of images based on local contrast can improve image segmentation performance by minimizing the loss of local contrast, loss of details and gray-level distributions. Results show that the proposed method yields more promising segmentation results when compared to conventional 1D Otsu, 2D Otsu and 3D Otsu methods, as evident from the objective and subjective evaluations.      

基于拉普拉斯金字塔变换的电力图像融合

提出了一种改进的拉普拉斯金字塔算法。为了防止目标信息丢失,该算法对顶层采用经过遗传算法优化的加权融合方法,对其它层采用加入相位信息的区域能量融合方法。实验结果表明该算法能保留较多的图像细节信息,增强图像清晰度,方便目标检测。