基于快速有限剪切波的医学图像融合算法研究
发布时间：2021-04-30 21:47
医学图像融合是将人体同一部位的两种或多种不同成像原理的医学图像,用融合技术变成一幅具有综合信息的图像,以实现对人体更全面、准确、详细的描述,这对临床医学诊断治疗有重要的意义与价值。近年来,医学图像融合逐渐成为研究热点,本文针对小波变换容易造成细节信息丢失、且图像融合时信息会相互干扰从而导致综合性能不佳的问题,围绕多尺度框架下的医学图像融合算法展开研究。主要研究内容如下:（1）针对小波变换造成细节信息丢失、图像融合时信息相互干扰导致的综合性能不佳的问题,本文提出一种基于快速有限剪切波变换（Fast Finite Shearlet Transform,FFST）与改进脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）的医学图像融合算法。使用FFST对源图像进行分解得到低频和高频系数,为了克服FFST低频系数不够稀疏的缺点,使用稀疏表示融合方法对低频系数进行融合,并且不会干扰高频信息的细节,高频系数则使用改进的PCNN来融合,用FFST逆变换来获得融合后的图像。多组不同类型医学图像的实验分析表明本文提出的融合算法具有较好的性能,融合结果较好地保持了源图像信...
【文章来源】：南京信息工程大学江苏省
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于空间域的图像融合算法研究现状
1.2.2 基于变换域的图像融合算法研究现状
1.3 本文主要研究内容及结构安排
1.3.1 主要研究内容
1.3.2 结构安排
第二章 医学图像融合基本理论
2.1 快速有限剪切波变换(FFST)基本理论
2.1.1 剪切波变换
2.1.2 FFST
2.2 稀疏表示基本理论
2.2.1 稀疏表示模型
2.2.2 系数求解算法
2.2.3 字典学习算法
2.3 脉冲耦合神经网络(PCNN)基本理论
2.3.1 PCNN的模型
2.3.2 PCNN的简化模型
2.3.3 PCNN的原理
2.4 本章小结
第三章 基于FFST与改进PCNN的医学图像融合算法
3.1 引言
3.2 基于FFST与改进PCNN的医学图像融合算法
3.2.1 算法框架
3.2.2 低频子带系数融合规则
3.2.3 高频子带系数融合规则
3.3 实验结果与分析
3.3.1 客观评价指标的选定
3.3.2 灰度图像融合结果与分析
3.3.3 彩色图像融合结果与分析
3.4 本章小结
第四章 基于FFST与卷积神经网络的医学图像融合算法
4.1 卷积神经网络
4.1.1 卷积神经网络模型
4.1.2 卷积神经网络的结构
4.2 基于FFST与卷积神经网络的医学图像融合算法
4.2.1 算法框架
4.2.2 低频子带系数二尺度分解
4.2.3 高频子带系数融合规则
4.3 实验结果与分析
4.3.1 灰度图像融合结果与分析
4.3.2 彩色图像融合结果与分析
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于快速有限剪切波变换与引导滤波的多聚焦图像融合算法[J]. 朱达荣,许露,汪方斌,刘涛,储朱涛. 激光与光电子学进展. 2018(01)
[2]结合稀疏表示与神经网络的医学图像融合[J]. 陈轶鸣,夏景明,陈轶才,周刚. 河南科技大学学报(自然科学版). 2018(02)
[3]结构稀疏模型[J]. 刘建伟,崔立鹏,罗雄麟. 计算机学报. 2017(06)
[4]基于FFST和方向特性对比度的图像融合算法[J]. 陈清江,魏冰蔗,柴昱洲,张彦博. 激光与红外. 2016(07)
[5]联合稀疏表示的医学图像融合及同步去噪[J]. 宗静静,邱天爽,郭冬梅. 中国生物医学工程学报. 2016(02)
[6]基于遗传算法优化的稀疏表示图像融合算法[J]. 赵学军,李育珍,雷书彧. 北京邮电大学学报. 2016(02)
[7]基于提升小波变换的医学图像融合[J]. 李俊峰,姜晓丽,戴文战. 中国图象图形学报. 2014(11)
[8]NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法[J]. 李新娥,任建岳,吕增明,沙巍,张立国,何斌. 红外与激光工程. 2013(11)
[9]基于区域的非下采样形态小波医学图像融合算法[J]. 曹义亲,雷章明,黄晓生. 计算机应用研究. 2012(06)
[10]用于压缩感知信号重建的正则化自适应匹配追踪算法[J]. 刘亚新,赵瑞珍,胡绍海,姜春晖. 电子与信息学报. 2010(11)
硕士论文
[1]基于平移不变剪切波变换与深度卷积神经网络的图像融合方法[D]. 杨利素.山东理工大学 2019
[2]基于稀疏表示图像融合算法的研究及应用[D]. 陈轶鸣.南京信息工程大学 2018
[3]基于非下采样剪切波变换的图像融合方法研究与应用[D]. 孙裕超.北京交通大学 2016
本文编号：3169534
【文章来源】：南京信息工程大学江苏省
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于空间域的图像融合算法研究现状
1.2.2 基于变换域的图像融合算法研究现状
1.3 本文主要研究内容及结构安排
1.3.1 主要研究内容
1.3.2 结构安排
第二章 医学图像融合基本理论
2.1 快速有限剪切波变换(FFST)基本理论
2.1.1 剪切波变换
2.1.2 FFST
2.2 稀疏表示基本理论
2.2.1 稀疏表示模型
2.2.2 系数求解算法
2.2.3 字典学习算法
2.3 脉冲耦合神经网络(PCNN)基本理论
2.3.1 PCNN的模型
2.3.2 PCNN的简化模型
2.3.3 PCNN的原理
2.4 本章小结
第三章 基于FFST与改进PCNN的医学图像融合算法
3.1 引言
3.2 基于FFST与改进PCNN的医学图像融合算法
3.2.1 算法框架
3.2.2 低频子带系数融合规则
3.2.3 高频子带系数融合规则
3.3 实验结果与分析
3.3.1 客观评价指标的选定
3.3.2 灰度图像融合结果与分析
3.3.3 彩色图像融合结果与分析
3.4 本章小结
第四章 基于FFST与卷积神经网络的医学图像融合算法
4.1 卷积神经网络
4.1.1 卷积神经网络模型
4.1.2 卷积神经网络的结构
4.2 基于FFST与卷积神经网络的医学图像融合算法
4.2.1 算法框架
4.2.2 低频子带系数二尺度分解
4.2.3 高频子带系数融合规则
4.3 实验结果与分析
4.3.1 灰度图像融合结果与分析
4.3.2 彩色图像融合结果与分析
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于快速有限剪切波变换与引导滤波的多聚焦图像融合算法[J]. 朱达荣,许露,汪方斌,刘涛,储朱涛. 激光与光电子学进展. 2018(01)
[2]结合稀疏表示与神经网络的医学图像融合[J]. 陈轶鸣,夏景明,陈轶才,周刚. 河南科技大学学报(自然科学版). 2018(02)
[3]结构稀疏模型[J]. 刘建伟,崔立鹏,罗雄麟. 计算机学报. 2017(06)
[4]基于FFST和方向特性对比度的图像融合算法[J]. 陈清江,魏冰蔗,柴昱洲,张彦博. 激光与红外. 2016(07)
[5]联合稀疏表示的医学图像融合及同步去噪[J]. 宗静静,邱天爽,郭冬梅. 中国生物医学工程学报. 2016(02)
[6]基于遗传算法优化的稀疏表示图像融合算法[J]. 赵学军,李育珍,雷书彧. 北京邮电大学学报. 2016(02)
[7]基于提升小波变换的医学图像融合[J]. 李俊峰,姜晓丽,戴文战. 中国图象图形学报. 2014(11)
[8]NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法[J]. 李新娥,任建岳,吕增明,沙巍,张立国,何斌. 红外与激光工程. 2013(11)
[9]基于区域的非下采样形态小波医学图像融合算法[J]. 曹义亲,雷章明,黄晓生. 计算机应用研究. 2012(06)
[10]用于压缩感知信号重建的正则化自适应匹配追踪算法[J]. 刘亚新,赵瑞珍,胡绍海,姜春晖. 电子与信息学报. 2010(11)
硕士论文
[1]基于平移不变剪切波变换与深度卷积神经网络的图像融合方法[D]. 杨利素.山东理工大学 2019
[2]基于稀疏表示图像融合算法的研究及应用[D]. 陈轶鸣.南京信息工程大学 2018
[3]基于非下采样剪切波变换的图像融合方法研究与应用[D]. 孙裕超.北京交通大学 2016
本文编号：3169534
本文链接：https://www.wllwen.com/yixuelunwen/fangshe/3169534.html
