基于最优质量传输理论的多模态医学图像融合算法研究

发布时间：2021-11-12 23:50

　　多模态医学图像融合通过融合来源于不同成像设备的医学图像,用于结合更多有用的信息并删除源图像中的冗余信息。由于现实中不可能从一种成像模式中捕获所有的细节信息,因此通过融合多种模态的医学图像可以提高成像质量,同时增强医学图像在医疗问题诊断和评估中的临床适用性,以进行更加可靠和准确的评估。目前已经存在相当多的多模态医学图像融合方法,并在临床上得到了很好的应用,但是仍然存在噪声过多、融合图像颜色失真以及算法复杂度过高等不足,不能够做到实时获得融合结果。本文通过详细介绍多模态医学图像融合的研究意义及其背景,并对目前存在的融合算法和相关理论进行总结和分析,针对所存在的问题,本文首次提出了一种基于最优质量传输理论的多模态医学图像融合方法。具体内容如下:1.提出一种基于最优质量传输理论的多模态医学图像融合方法。通过全局的角度来解决图像融合问题,该算法将图像融合问题表示为概率测度空间内的位移插值测地线。为了避免医学图像黑色背景对融合结果的影响,首先通过图像预处理方法将两幅待融合的源图像表示为概率测度空间中的两个点。然后结合最优质量传输理论计算两点之间的最优传输质心,并为了提高计算效率,使用宽松的最优质量... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

近年来医学图像融合文献关注度

图 1.3 图像融合的三个层次框架.1 像素级图像融合像素级图像融合是三个层次中最基本的融合，该层次的融合方法一般直接同成像模式的源图像的像素或者分解系数进行信息融合，融合算法都是在的基础上进行的。像素级图像融合方法独有的优点为：经过该类方法获得像能够保留源图像中的更多细节信息，例如边缘、纹理等信息，使得融合在内容和细节方面都有所增加，基于这些信息可以对图像进行进一步分析理解。像素级方法会先对待融合的源图像进行相应的预处理，如图像去噪处理，能够把潜在的目标暴露出来。但是像素级融合的局限性是不能够被其融合后的图像容易受到源图像中噪声的影响，并且因为它需要对源图像个像素点进行处理，因此会消耗大量的时间。

SA(Multi-scale Analysis)的方法；2. 基于其他变换域的方法；3. 基于稀疏表(Sparse Representation)的方法。.1.1 基于多尺度分析的方法多尺度分析 MSA(Multi-scaleAnalysis)是一种常用的图像表达方法，近年来在态医学图像融合领域中得到了广泛的应用，同单尺度图像融合方法相比，MSA通过不同的融合规则来融合不同尺度中的图像特征信息。首先通过多尺度分析将源图像分解为不同层次的子图像，然后利用相应的融合规则组合得到融合后解系数，最后，通过图像分解的逆过程重构最终的融合图像。多模态医学图像最常用的 MSA 算法有：1. 基于小波变换的方法[8-15]，2. 基于金字塔的方法[17,2 基于显著特征的方法[21-23]。


本文编号：3491884