基于改進小波變換的醫(yī)學圖像融合方法的研究與實現(xiàn).pdf

1、為了充分利用現(xiàn)代新的醫(yī)學成像技術(shù)來獲得不同模態(tài)圖像的相互補充的信息，為醫(yī)生提供更準確豐富的圖像信息以便進行更準確的疾病治療和診斷，多模態(tài)醫(yī)學圖像融合技術(shù)已經(jīng)被廣泛研究并初步應用到臨床中。醫(yī)學圖像融合是指將圖像融合技術(shù)應用于醫(yī)學影像，即將來源于不同醫(yī)學成像設備的醫(yī)學圖像，經(jīng)過一系列變換處理，得到包含目標對象更多病理信息的新的醫(yī)學圖像。
　　 本文對醫(yī)學圖像的融合原理進行了深入研究，重點研究了基于改進小波變換的醫(yī)學圖像融合算法。分析

2、了醫(yī)學圖像融合技術(shù)的發(fā)展歷史和現(xiàn)狀。對圖像存在的噪聲進行了分析，對于內(nèi)部噪聲采用了模擬退火方法去除噪聲，大大改善了圖像的質(zhì)量，并采用小波域HMT模型去除外部噪聲。在圖像融合之前對圖像進行了配準。
　　 系統(tǒng)研究了基于多分辨率的醫(yī)學圖像融合算法，包括基于塔式的多分辨率分析、基于小波分解的多分辨率分析。研究了數(shù)學形態(tài)學原理，將小波變換和形態(tài)學相結(jié)合，改進了小波變換方法，提出了基于形態(tài)學的醫(yī)學多分辨率融合方法。構(gòu)造了一種形態(tài)學小波，保

3、留了小波的視覺效果，同時很大程度上減少了運算的復雜度。
　　 深入分析了基于像素、區(qū)域、特征的小波域圖像融合規(guī)則。在此基礎上提出了小波域基于差值圖像分割的加權(quán)融合方式，優(yōu)化了加權(quán)系數(shù)的計算方法，得到了很好的融合效果。
　　 討論了圖像融合的評價指標，分析了它們的優(yōu)點和不足，在此基礎上給出了評價指標的選取原則。
　　 在Matlab平臺上進行了融合仿真實驗，將本文算法同其它融合算法進行了比較，表明了本文提出算法的優(yōu)