混沌神经网络算法研究及其在医学图像处理中的应用

摘要

随着医疗信息化技术的迅速发展，越来越多的医学成像设备出现在医疗服务机构中，由此产生了海量的医学图像数据，这就对医学图像的存储以及传输有了更高的要求。要求采取相应的技术以能够保证图像的安全、精确并且减少数据量。
　　本文所做的研究内容主要是混沌理论在医学图像处理中的应用，主要研究工作有如下三个方面。
　　在医学图像加密方面，将二维Logistic和Hénon混沌映射结合产生DES算法的轮密钥，使其密钥可以实现动态变化;将改进的DES算法应用到医学图像加密中，仿真结果表明加密后的图像含有类似随机噪声的一些信息，因此对于不知道密钥的窃听者来说是很难识别的，进而可以在传输中保护图像数据。同时还利用几种攻击方式，对本算法的安全性进行了分析。
　　在医学图像融合方面，提出了一种基于Logistic映射的混沌递归对角神经网络模型并设计它的网络结构，提出了基于对角神经网络和混沌对角神经网络的医学图像融合算法，比较两种网络的融合性能;提出了一种模糊混沌神经网络，设计了它的结构，推导了它的数学模型和权值的训练公式，并给出了如何将其应用于医学图像融合的步骤。
　　在医学图像压缩方面，提出了两种基于Chebyshev映射的前向混沌神经网络模型:①Ⅰ型网络——隐层添加混沌神经元，②Ⅱ型网络——利用混沌搜索初值;将这两种网络应用到医学图像的压缩中，最后将这两种混沌神经网络与BP神经网络在压缩性方面进行比较;提出了一种基于菱形搜索的分形压缩算法，通过菱形搜索模板及路径，以达到快速定位的目的。

目录

声明

摘要

1 绪论

1．1 研究背景和意义

1．1．1 混沌理论发展简介

1．1．2 混沌的定义

1．1．3 混沌理论中的基本概念

1．1．4 混沌的主要特性

1．1．5 刻画混沌的特征量

1．1．6 通向混沌的道路

1．1．7 混沌映射

1．2 国内外相关研究进展

1．2．1 混沌密码学的研究进展

1．2．2 图像融合的研究进展

1．2．3 图像压缩的研究进展

1．2．4 混沌神经网络的研究进展

1．3 本文主要工作

2 基于二维混沌映射的DES算法的医学图像加密

2．1 混沌分组密码

2．1．1 混沌映射与密码学的关系

2．1．2 混沌分组密码的构造方法

2．1．3 混沌加密系统的设计原则

2．2 基于二维混沌映射的DES算法

2．2．1 DES算法简介

2．2．2 改进的DES算法设计及算法步骤

2．3 改进的DES算法安全性分析

2．3．1 密钥空间分析

2．3．2 密钥敏感性分析

2．3．3 统计特性分析

2．4 本章小结

3 基于混沌神经网络的医学图像融合

3．1 医学图像融合简介及意义

3．2 图像融合评价方法

3．3 混沌对角递归神经网络

3．3．1 对角递归神经网络简介及结构

3．3．2 混沌对角递归神经网络结构

3．3．3 混沌对角递归神经网络学习算法

3．4 医学图像融合实验与仿真

3．5 其他医学图像融合模型

3．5．1 模糊混沌神经网络的结构及数学模型推导

3．5．2 模糊混沌神经网络的学习算法

3．5．3 基于模糊混沌神经网络的医学图像融合的步骤

3．6 本章小结

4 基于混沌神经网络和分形的医学图像压缩

4．1 医学图像压缩简介及意义

4．2 图像压缩评价方法

4．2．1 主观评价

4．2．2 客观评价

4．3 基于Chebyshev映射的前向混沌神经网络

4．3．1 前向混沌神经网络

4．3．2 Ⅰ型前向混沌神经网络

4．3．3 Ⅱ型前向混沌神经网络

4．4 基于神经网络的图像压缩原理及算法实现

4．4．1 图像压缩原理

4．4．2 图像压缩算法实现及流程

4．5 医学图像压缩实验与仿真

4．6 其他医学图像压缩模型

4．6．1 菱形搜索

4．6．2 基于菱形搜索的分形压缩

4．7 本章小结

5 结论与展望

5．1 结论与创新点

5．2 创新点摘要

5．3 展望

参考文献

攻读博士学位期间发表学术论文情况

致谢

作者简介