基于潜在低秩分解和字典学习的医学图像融合

发布时间：2021-06-22 04:53

　　随着人类社会的发展和医疗标准的提高,医学领域的发展受到了来自世界各国学者的重视。新技术和科学的不断革新,使得各类先进的医学设备被应用在现今的各大医院。医疗成像设备,通常采用不同的方法获取患者病变处的图像,由于设备和技术的局限性,单模态的医学图像往往不能清晰显示病症,需要结合多模态的医学图像,以便诊断者对病症进行诊治。医学设备由于采用的技术不同,获取的医学图像显示的病理也不同,但它们之间存在一定联系,比如内容存在互补信息等。因此,研究多模态的医学图像融合以获得更多的图像细节对临床医疗诊断具有重要意义。针对医学图像融合直接利用稀疏表示,难以获得较好的融合效果,本文结合医学图像融合技术、低秩表示和稀疏表示相关理论,对二次低秩分解和稀疏表示的医学图像融合方法进行改进,提出了一种基于潜在低秩分解和稀疏字典表达结合的医学图像融合方法,希望能为医学工作提供帮助。本文主要工作和创新点如下:1.针对基于二次低秩分解与稀疏表示融合的方法,造成信息缺失过多,计算复杂,提出改进方法:在分解阶段进行一次低秩分解,低秩成分采取灰度值“绝对值”取大规则融合;训练过完备字典的样本是与医学领域不相关的图像。改进的方法减... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图１．１医学图像??

绝大多数的融合算法都可以概括为三个步骤：图像前期处理、融合规则的选??择、图像的重建。在整个图像融合算法中，由于融合级别不同，可以分为将其划??分为三个级别的融合算法：像素级、特征级、决策级。具体融合框图如图２．１所示：??＇源图?Ａ?—一．．＾???；?１?预?［???处?—＿二二——＝，?像素级＿合?——：一－二：＝ｔｉ???＇?丨理?‘???ｊｊｆｆｉＢ?????卞?雯??征??ｉ?；?°??特征级融合?ｆ?：二■——二二结??取??：?朱??图??－?－?ｅａ?／ｊ＊．??＾?决策?｜??｜ｐ?丨…■■■：：＝?Ｓ?决策级融合?｜?￣?＾???？ｉ?１??图２．１图像融合系统框图??三个层次的融合是紧密结合的，在实际运用过程中，通常需要选择其中的两??个层次或者全部来处理，需要根据不同层次来设定不同规则。??１１??

绝大多数的融合算法都可以概括为三个步骤：图像前期处理、融合规则的选??择、图像的重建。在整个图像融合算法中，由于融合级别不同，可以分为将其划??分为三个级别的融合算法：像素级、特征级、决策级。具体融合框图如图２．１所示：??＇源图?Ａ?—一．．＾???；?１?预?［???处?—＿二二——＝，?像素级＿合?——：一－二：＝ｔｉ???＇?丨理?‘???ｊｊｆｆｉＢ?????卞?雯??征??ｉ?；?°??特征级融合?ｆ?：二■——二二结??取??：?朱??图??－?－?ｅａ?／ｊ＊．??＾?决策?｜??｜ｐ?丨…■■■：：＝?Ｓ?决策级融合?｜?￣?＾???？ｉ?１??图２．１图像融合系统框图??三个层次的融合是紧密结合的，在实际运用过程中，通常需要选择其中的两??个层次或者全部来处理，需要根据不同层次来设定不同规则。??１１??

【参考文献】：
期刊论文
[1]Contourlet变换系数加权的医学图像融合[J]. 张鑫,陈伟斌.  中国图象图形学报. 2014(01)
[2]从压缩传感到低秩矩阵恢复:理论与应用[J]. 彭义刚,索津莉,戴琼海,徐文立.  自动化学报. 2013(07)

硕士论文
[1]基于稀疏表示与低秩分解的医学图像融合方法研究[D]. 邓志华.昆明理工大学 2018



本文编号：3242161