基于对比度的医学图像融合方法研究

摘要

本文对基于对比度的医学图像融合方法进行了研究。文章利用图像噪声点的属性，将边缘跟踪算子作用于小波分解后的源图像，分离混杂于细节中的噪声点，将其过滤，提高了算法的抗干扰性。对分解后的小波系数，建立基于对比度的融合规则，选择利于人眼分辨的高对比度融合系数组成新图像。本文以VisibleHuman数据集中的头部CT和MRI图像为实验图像，在对多种多分辨图像融合算法总结和比较的基础上，提出了用BP神经网络算法改进的基于对比度的图像融合算法，新算法克服了视觉效果上的不足，融合图像的信息量有很大提升。

目录

文摘

英文文摘

独创性说明及关于论文使用授权的说明

1前言

1.1图像融合技术及其发展现状

1.2本课题的研究目的和任务

2文献综述

2.1图像的小波变换

2.1.1小波分析

2.1.2小波变换

2.2图像融合技术

2.2.1基于像素的融合方法

2.2.2基于区域的融合方法

2.3人工神经网络

2.3.1神经网络概念及特点

2.3.2人工神经网络的应用

3图像预处理

3.1灰度级插值

3.2基于小波变换的图像降噪算法

3.3基于小波变换的图像增强算法

3.4图像配准[52]

4基于对比度的医学图像融合

4.1基于对比度的图像融合方法[5][11][13]

4.1.1传统的对比度调制法[62]

4.1.2多分辨的对比度调制法

4.1.3基于小波对比度的图像融合方法

4.2 BP神经网络

4.2.1 BP神经网络原理

4.2.2 BP神经网络结构

4.2.3 BP网络的训练

4.3神经网络与图像融合算法的结合

5融合图像效果评价

5.1传统客观评价标准

5.1.1基于信息量的评价

5.1.2基于信噪比的评价

5.2本课题的效果评价

5.2.1评价指标的选取

5.2.2融合算法效果评价

6总结与展望

6.1本文的工作

6.2课题的展望

参考文献

附录A医学图像融合系统小波变换类定义

附录B图像融合类定义

在学研究成果

致谢