医学图像融合的并行实现

基于小波变换的并行医学图像融合方法有良好的效果且能进行快速实时融合。在介绍双正交小波变换图像融合方法的基础上分析了该方法的时间复杂度,提出了基于小波变换的多模图像融合的并行算法,并在配置了并行机群环境下实现了单幅和序列医学图像的并行融合,针对不同大小结果图像和不同机群规模进行测试,对并行效率的分析证实了该并行融合方法具有较好的并行性能和可扩展性。     

基于梯度融合规则的医学图像融合方法*

为了更好地满足临床诊断和治疗的需要,本文提出了一种在图像融合阶段对测量值进行自适应梯度加权和图像重建时采用CoSaMP重建算法相结合的方法。该算法首先对两幅源图像分块并进行稀疏表示,同时利用观测矩阵进行测量。在测量数据融合阶段引入图像梯度来反应图像本身的边界信息,先计算每幅分块子图像的梯度;然后利用自适应梯度加权的融合规则得到融合的测量数据,并对融合测量数据进行随机压缩采样;最后通过CoSaMP算法对采样数据进行信息重构实现测量数据的恢复。该方法克服了图像融合时信息畸变的缺陷,并且可以根据不同融合区域自动调整融合规则的权重系数,有效地避免了设置固定权重系数造成的融合误差。实验结果和评价指标验证了本文算法的有效性和先进性。     

基于Fuzzy-RBFNN的多模医学图像融合方法研究

文中将模糊推理理论与径向基神经网络相结合构造了一个基于模糊推理的径向基神经网络（Fuzzy—RBFNN）应用于多模医学图像融合,并应用遗传算法训练网络获得网络参数,可自适应地完成多模医学图像融合。通过与基于梯度的金字塔融合方法的实验比较,证明了算法的有效性与可行性。     

压缩传感及其在医学图像融合中的应用

为适应压缩传感成像技术的发展,降低融合运算对计算资源的需求,提出一种压缩传感域医学图像融合方法.算法利用双树复数小波变换具有的近似平移不变性、多方向的特性,以其作为稀疏分解基对图像做稀疏分解;分解后得到的系数,经由随机抽取哈达码块矩阵生成观测矢量;对得到的随机观测矢量,采用加权平均的方法进行融合;再经梯度投影重构生成融合图像的小波分解系数;最后,由逆双树复数小波变换生成融合后的图像.实验结果表明:所提算法可获得好的融合质量,并提高融合计算效率.     

基于非分离小波的多模态医学图像融合算法*

针对传统可分离小波医学图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,根据CT/MRI图像内容的互补性,提出整合及突出图像细节的医学图像融合算法。该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用区域信息熵加权融合规则,对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则;最后通过非分离小波逆变换重构融合图像。实验结果表明,该算法能在保留源图像信息的情况下增强融合图像的细节及亮度信息。     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。     

基于双正交小波变换的CT/PET医学图像融合

医学图像融合能将不同设备图像的诊断信息综合起来,充分利用各成像设备的优点。不仅可以提高疾病的确诊率,而且可以提高病灶的定位精度,在诊断上具有重要的应用价值。小波变换是图像融合中一种有效的方法。为了避免正交小波产生的相位失真,采用双正交小波对CT-PET图像进行多分辨率分解与重构,并提出一种新的融合算法。实验表明,该方法能有效地将解剖信息和功能信息集成在一起,完好地保留了各图像的信息。     

基于相容粒度空间的医学图像融合技术*

针对传统像素级图像融合方法割裂像素间联系的问题,将医学图像融合与粒度计算相结合,从粒度的角度研究医学图像融合技术,提出基于相容粒度空间的医学图像融合算法。该算法通过将待融合源图像进行小波变换,然后对小波系数构造多层次的相容粒度,最后选择合适的层次进行粒度融合并进行小波逆变换形成最终的融合图像。实验结果表明,该算法在MRI与MRA的图像融合中是有效的。     

基于区域的非下采样形态小波医学图像融合算法

提出了基于区域的非下采样形态小波医学图像融合算法。该算法首先将待融合的图像进行非下采样形态Haar小波分解成高频子带和低频子带,对低频子带图像直接按绝对值最大的规则进行融合,对各高频子带图像则先进行区域分割,对分割的区域根据其活跃度指数进行匹配,再对相匹配的区域按能量最大规则进行融合;最后根据融合后的低频子带及高频子带进行融合图像重构。实验结果表明,该算法在保持移不变形态小波融合方法优点的基础上,增强了融合图像的细节及亮度信息,同时有效地克服了对噪声和非精确配准敏感等缺点。     

适用于PACS系统的医学图像近无损压缩

为解决海量医学数据与有限存储空间和传输带宽之间的矛盾,提出一种适用于PACS(picture archiving and communication system)系统的医学图像近无损压缩算法。首先对病变区域和背景区域分别进行剪切波变换和小波变换;其次,选取一些能够近似逼近病变区域图像的重要系数达到去噪和初步压缩的目的;然后,对病变区域所选取的重要系数进行无损Huffman编码,同时对背景区域所得小波系数进行量化和多级树集合分裂算法(SPIHT)编码实现压缩;最后,融合各区域经解码和逆变换得到的图像获得整幅重构图像。实验结果表明,新算法在与小波有损压缩方法设置同样压缩比的情况下,所获取的病变区域重构图像和原病变区域的平均结构相似度(MSSIM)提高了6%,峰值信噪比(PSNR)是小波有损压缩方法的2.54倍,而整幅重构图像与原图像的MSSIM提高了2%,PSNR提高了13%。     

医学图像融合中最佳小波分解层数的选择

根据小波低频子带图像的轮廓模糊度和高频子带图像的细节信息量随小波分解层教增多而增多的规律,从图像熵出发,提出了一种基于低频子带图像熵差的最佳小波分解层数选择法,该方法通过计算不同分解层数下各低频子带的图像熵差,选择最接近原始图像熵差的分解层数作为最佳分解层数.用多种基于小波变换的图像融合法分别对两组医学图像进行仿真实验,结果表明根据该分解层数选择法得到的融合图像目视效果最好,与相关系数、峰值信噪比、模糊Chebyshev距离值等客观评价指标保持了很好的一致性.     

Joint patch clustering-based dictionary learning for multimodal image fusion

Constructing a good dictionary is the key to a successful image fusion technique in sparsity-based models. An efficient dictionary learning method based on a joint patch clustering is proposed for multimodal image fusion. To construct an over-complete dictionary to ensure sufficient number of useful atoms for representing a fused image, which conveys image information from different sensor modalities, all patches from different source images are clustered together with their structural similarities. For constructing a compact but informative dictionary, only a few principal components that effectively describe each of joint patch clusters are selected and combined to form the over-complete dictionary. Finally, sparse coefficients are estimated by a simultaneous orthogonal matching pursuit algorithm to represent multimodal images with the common dictionary learned by the proposed method. The experimental results with various pairs of source images validate effectiveness of the proposed method for image fusion task.     

基于多模态特征频域融合的零样本指称图像分割

为了解决语义分割应用到现实世界的下游任务时无法处理未定义类别的问题,提出了指称对象分割任务,该任务根据自然语言文本的描述找到图像中对应的目标。现有方法大多使用一个跨模态解码器来融合从视觉编码器和语言编码器中独立提取的特征,但是这种方法无法有效利用图像的边缘特征且训练复杂。CLIP（contrastive language-image pre-training）是一个强大的预训练视觉语言跨模态模型,能够有效提取图像与文本特征,因此提出一种在频域融合CLIP编码后的多模态特征方法。首先,使用无监督模型对图像进行粗粒度分割,并提取自然语言文本中的名词用于后续任务。接着利用CLIP的图像编码器与文本编码器分别对图像与文本进行编码。然后使用小波变换分解图像与文本特征,可以充分利用图像的边缘特征与图像内的位置信息在频域进行分解并融合,并在频域分别对图像特征与文本特征进行融合,并将融合后的特征进行反变换。最后将文本特征与图像特征进行逐像素匹配,得到分割结果,并在常用的数据集上进行测试。实验结果证明,网络在无训练零样本的条件下取得了良好的效果,并且具有较好的鲁棒性与泛化能力。     

基于PCNN和非线性滤波万有引力的医学图像融合

为了更好地满足现代医学临床诊断和治疗的需要,提高医学图像的融合质量,提出在提升小波变换的基础上,结合脉冲耦合神经网络（PCNN）和像素点的非线性滤波万有引力的医学图像融合方法。低频子系数采用基于区域灰度均值的融合规则;高频子系数采用自适应PCNN的融合规则,将像素的非线性滤波万有引力作为简化的PCNN模型中的链接强度,使PCNN能够自适应调节链接强度的大小,并根据点火矩阵确定高频子系数。实验结果表明,该方法得到的融合图像比其他融合方法保留了更多的边缘细节信息,各项评价指标均有所提高,有更好的融合性能。     

利用邻域激励的自适应PCNN进行医学图像融合*

对于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,设计了一种邻域空间频域激励的自适应PCNN医学图像融合新方法.首先,使用图像逐像素地改进拉普拉斯能量和(SML)清晰度作为PCNN对应神经元的链接强度;同时利用邻域空间频域(SF)特征信息激励每个神经元;然后,将源图像输入PCNN获得点火映射图构成的点火频数...     

遗传算法在医学图像自适应融合中的应用

为了解决现有融合方法间的优点不易综合,以及融合规则不易根据图像后续处理的要求自适应地调整的问题,提出一种基于遗传算法的医学图像融合方法。分别利用形态学金字塔和平移不变性小波变换方法产生初始图像,构造由图像评价组成的目标函数,再利用遗传算法来优化目标函数从而获取最终的结果图像。通过实验,从主观视觉和标准方差、平均梯度、熵、空间频率、均方交叉熵等定量指标两方面,证明了该方法的有效性。     

基于增补小波变换和PCNN的NSCT域图像融合算法

针对传统NSCT图像融合算法存在的不足,提出一种基于增补小波变换和PCNN的NSCT域图像融合算法。首先对源图像进行NSCT分解,生成一系列低频和高频分量。对低频分量利用二维小波分解,生成一个低频和三个方向分量,对低频分量利用局部区域能量加权方法融合,三个方向分量利用改进的高斯加权SML方法融合;对NSCT分解的高频分量,分为对最高层和其它层的融合,最高层利用改进的高斯加权SML方法融合,其余层利用边缘梯度信息激励PCNN方法融合。最后对NSCT进行逆变换得到融合图像。实验结果证实了所提算法的有效性。     

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。     

遥感图像融合方法研究

为了使融合图像在高空间分辨率的基础上较好地保留光谱信息,研究了高分辨率图像和多光谱图像中的高频信息的关系;在基于小波变换的图像融合方法中引入ISM模型（Inter-Band Structure Model）,改进了原有的融合方法;提出了基于ISM模型与小波变换（Wavelet Transform）（简称I-W）的图像融合方法;通过与HIS方法及PCA方法进行了实验对比,结果证明：文中所提出的方法能较好地保留图像的空间和光谱信息。