基于模糊逻辑及神经网络的医学图像融合研究
发布时间：2022-10-29 19:17
本论文研究了基于模糊逻辑和RBF模糊神经网络的医学图像融合算法。 首先,本文提出了一种基于T-S模糊推理系统的医学图像融合算法。该算法利用T-S模糊推理系统与神经网络的等价性原理,做出一个与之相等价的RBF模糊神经网络,根据误差反向传播算法以及一阶梯度修正算法,通过RBF神经网络的训练得到其各项参数,进而得到T-S模糊推理系统。将CT图像与MRI图像作为T-S模糊推理系统的输入,则输出就是融合结果。 其次,本文还提出了一种基于RBF模糊神经网络的融合方法,该方法简化了网络结构与训练算法,同时提高了融合性能。最后本文还将图像的区域方差引入,与模糊神经网络融合算法相结合,能够显著改善融合图像软组织部分的融合性能。 通过主观上的观察以及客观的评价指标,与传统的融合方法进行比较分析,本文的两种方法较好的综合了两种医学图像的信息。而通过对噪声污染图像的融合进行实验和对比分析,这两种方法对噪声也具有很好的适应性。
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 医学图像概述
1.1.1 CT成像机理及图像特点
1.1.2 MRI成像机理及图像特点
1.2 医学图像融合技术的发展及研究现状
1.3 CT与MRI图像融合的临床意义
1.4 论文主要内容及章节安排
第二章 医学图像融合及相关理论
2.1 医学图像的配准
2.1.1 基于特征的医学图像配准方法
2.1.2 基于灰度的配准方法
2.2 医学图像信息综合
2.3 医学图像融合现有方法介绍
2.3.1 空间域融合方法
2.3.2 变换域融合方法
2.4 模糊数学理论基础
2.4.1 模糊集合及其隶属度函数
2.4.2 “如果-则”推理规则
2.4.3 推理系统的反模糊化
2.4.4 常用的模糊推理方法
2.5 人工神经网络基础
2.5.1 人工神经网络的发展与应用
2.5.2 人工神经网络的基本结构与模型
2.5.3 神经网络的学习
2.6 本章小结
第三章 基于Takagi-Sugeno 型模糊推理的医学图像融合
3.1 Takagi-Sugeno型模糊推理系统
3.1.1 纯模糊逻辑系统
3.1.2 Mamdani型模糊推理系统
3.1.3 Takagi-Sugeno型模糊推理系统
3.2 基于T-S型模糊推理系统的医学图像融合算法
3.2.1 T-S模糊推理系统与RBF神经网络的等价关系
3.2.2 基于T-S型模糊推理系统的医学图像融合算法
3.3 RBF模糊神经网络模型及训练算法
3.3.1 RBF模糊神经网络模型
3.3.2 RBF模糊神经网络的训练算法
3.4 本章小结
第四章 基于T-S 模糊推理的图像融合实验
4.1 实验流程
4.2 实验及结果
4.3 噪声图像融合实验
4.4 本章小结
第五章 基于RBF 模糊神经网络的图像融合
5.1 基于RBF模糊神经网络的医学图像融合
5.1.1 RBF模糊神经网络模型
5.1.2 网络的训练
5.1.3 实验与仿真
5.2 基于区域特征的改进算法
5.2.1 问题的提出
5.2.2 算法的改进
5.3 本章小结
第六章 总结与展望
6.1 本文总结
6.2 课题展望
致谢
参考文献
研究成果
【参考文献】：
期刊论文
[1]基于Matlab和给小费模型的Mamdani与Takagi＆Sugeno型模糊推理算法研究[J]. 黄丹. 中国西部科技. 2009(27)
[2]基于Fuzzy-RBFNN的多模医学图像融合方法研究[J]. 朱正平,孙传庆,王秀丽,王阳萍. 自动化与仪器仪表. 2009(03)
[3]像素级遥感图像融合方法研究[J]. 卢森宗. 现代测绘. 2009(03)
[4]基于BP神经网络的图像识别研究[J]. 张海波,董槐林,龙飞,郭世可. 计算机与现代化. 2008(05)
[5]基于改进的RBF模糊神经网络滤波的噪声消除[J]. 罗俊海,李录明,叶丹霞,周怀来. 系统仿真学报. 2007(21)
[6]基于特征点互信息预配准的医学图像配准技术[J]. 伍亚军,周正东,戴耀东. 南京航空航天大学学报. 2007(05)
[7]基于RBF神经网络的隶属度函数学习算法[J]. 李延新,李光宇,李文. 大连交通大学学报. 2007(02)
[8]基于区域特征与神经元网络的图像融合[J]. 赵海滨,王宏,喻春阳. 仪器仪表学报. 2006(S3)
[9]基于红外特征与区域相似的图像融合算法[J]. 杨翠,张建奇. 西安电子科技大学学报. 2006(06)
[10]模糊推理系统的MATLAB仿真研究[J]. 刘富强,李智敏,陈红舟. 船电技术. 2006(04)
博士论文
[1]基于互信息的多模医学图像配准方法研究[D]. 王海南.西北工业大学 2006
硕士论文
[1]医学图像融合算法研究[D]. 吴疆.西北工业大学 2006
本文编号：3698268
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 医学图像概述
1.1.1 CT成像机理及图像特点
1.1.2 MRI成像机理及图像特点
1.2 医学图像融合技术的发展及研究现状
1.3 CT与MRI图像融合的临床意义
1.4 论文主要内容及章节安排
第二章 医学图像融合及相关理论
2.1 医学图像的配准
2.1.1 基于特征的医学图像配准方法
2.1.2 基于灰度的配准方法
2.2 医学图像信息综合
2.3 医学图像融合现有方法介绍
2.3.1 空间域融合方法
2.3.2 变换域融合方法
2.4 模糊数学理论基础
2.4.1 模糊集合及其隶属度函数
2.4.2 “如果-则”推理规则
2.4.3 推理系统的反模糊化
2.4.4 常用的模糊推理方法
2.5 人工神经网络基础
2.5.1 人工神经网络的发展与应用
2.5.2 人工神经网络的基本结构与模型
2.5.3 神经网络的学习
2.6 本章小结
第三章 基于Takagi-Sugeno 型模糊推理的医学图像融合
3.1 Takagi-Sugeno型模糊推理系统
3.1.1 纯模糊逻辑系统
3.1.2 Mamdani型模糊推理系统
3.1.3 Takagi-Sugeno型模糊推理系统
3.2 基于T-S型模糊推理系统的医学图像融合算法
3.2.1 T-S模糊推理系统与RBF神经网络的等价关系
3.2.2 基于T-S型模糊推理系统的医学图像融合算法
3.3 RBF模糊神经网络模型及训练算法
3.3.1 RBF模糊神经网络模型
3.3.2 RBF模糊神经网络的训练算法
3.4 本章小结
第四章 基于T-S 模糊推理的图像融合实验
4.1 实验流程
4.2 实验及结果
4.3 噪声图像融合实验
4.4 本章小结
第五章 基于RBF 模糊神经网络的图像融合
5.1 基于RBF模糊神经网络的医学图像融合
5.1.1 RBF模糊神经网络模型
5.1.2 网络的训练
5.1.3 实验与仿真
5.2 基于区域特征的改进算法
5.2.1 问题的提出
5.2.2 算法的改进
5.3 本章小结
第六章 总结与展望
6.1 本文总结
6.2 课题展望
致谢
参考文献
研究成果
【参考文献】：
期刊论文
[1]基于Matlab和给小费模型的Mamdani与Takagi＆Sugeno型模糊推理算法研究[J]. 黄丹. 中国西部科技. 2009(27)
[2]基于Fuzzy-RBFNN的多模医学图像融合方法研究[J]. 朱正平,孙传庆,王秀丽,王阳萍. 自动化与仪器仪表. 2009(03)
[3]像素级遥感图像融合方法研究[J]. 卢森宗. 现代测绘. 2009(03)
[4]基于BP神经网络的图像识别研究[J]. 张海波,董槐林,龙飞,郭世可. 计算机与现代化. 2008(05)
[5]基于改进的RBF模糊神经网络滤波的噪声消除[J]. 罗俊海,李录明,叶丹霞,周怀来. 系统仿真学报. 2007(21)
[6]基于特征点互信息预配准的医学图像配准技术[J]. 伍亚军,周正东,戴耀东. 南京航空航天大学学报. 2007(05)
[7]基于RBF神经网络的隶属度函数学习算法[J]. 李延新,李光宇,李文. 大连交通大学学报. 2007(02)
[8]基于区域特征与神经元网络的图像融合[J]. 赵海滨,王宏,喻春阳. 仪器仪表学报. 2006(S3)
[9]基于红外特征与区域相似的图像融合算法[J]. 杨翠,张建奇. 西安电子科技大学学报. 2006(06)
[10]模糊推理系统的MATLAB仿真研究[J]. 刘富强,李智敏,陈红舟. 船电技术. 2006(04)
博士论文
[1]基于互信息的多模医学图像配准方法研究[D]. 王海南.西北工业大学 2006
硕士论文
[1]医学图像融合算法研究[D]. 吴疆.西北工业大学 2006
本文编号：3698268
本文链接：https://www.wllwen.com/shekelunwen/ljx/3698268.html
