论文部分内容阅读
随着图像融合技术研究不断的深入,单一模态下医学图像在人体不同躯位成像上的缺陷逐渐得到弥补,医学图像的视觉效果得到了显著提高,对临床医学诊断有巨大的理论意义和实际价值。近年来,融合技术在临床医学领域的重要性与日俱增,越来越多的新技术被运用到这一领域中来,推动着融合技术的发展迈向了一个新的台阶。针对医学图像多变复杂及图像在多尺度分解后低高频子带的特点差异较大,本文对多尺度领域的融合算法进行深入分析,主要研究工作如下:1)本文先对常见医学图像的成像原理及其特性进行了细致分析,并对目前小波变换,轮廓波变换,剪切波变换等多尺度分解工具在图像应用过程中的优劣特性进行了对比,为弥补单模态图像在临床治疗上的不足,提高图像的融合质量,本文依据非下采样剪切波变换(NSST)在提取图像细节特征方面能力较强,效果显著的优势,提出了一种基于非下采样剪切波变换的多模态医学图像边缘融合算法。首先,将源图像通过NSST分解器成低频子带和高频系数;然后,利用区域最大差值比较法对图像的低频系数进行处理,凸显低频信息中的边缘部分;而针对细节纹理信息较多的高频区域则采用改进边缘能量法和边缘强度法处理;最后,将融合后的低高频子带通过NSST重构得到结果图像。2)鉴于医学图像存在种类多变及内容复杂等特征,在仔细分析稀疏变换优势的基础上,考虑将稀疏理论与NSST相结合,提出了一种新的图像融合设计。首先,将源图像通过NSST分解器成低频子带和高频系数;其次,针对低通子带系数的稀疏性较差,本文决定通过稀疏变换理论的方法来改善低通子带系数较差的稀疏性,同时高通子带系数则利用相对标准差比较法处理,并根据相对标准差以及能量值的大小来确定最终的高频融合系数;最后,将融合后的低频系数和高频子带通过NSST逆变换得到融合结果。3)本文分别基于灰度空间领域和彩色空间领域进行实验,并选取相关算法进行对比,从主观角度和客观指标上分析本文算法的优劣性。从主观角度上对比分析,本文算法有效提升了多模态医学图像之间的信息互补性,图像中信息的丰富性更好,细节纹理的清晰度更高,对临床医学诊断上很有帮助;从客观指标上分析,本文算法在边缘强度、空间频率、标准差等指标值上表现极好,其余指标值也表现优良,充分说明了本文算法在处理图像的结构信息以及边缘子带方面能力较强,在临床医学上实用价值较高。