聚类和稀疏表示的多模态医学图像融合方法

论文摘要

医学图像融合是医学成像和放射医学领域的热门研究之一,得到了医学和工程领域广泛认可,将具有互补信息的两种或两种以上的医学图像信息融合成了研究的热门方向。本文针对基于聚类与SR的多模态医学图像融合做出的改进以及主要研究内容如下:针对多模态医学图像融合中过完备自适应字典存在的大量冗余信息会导致图像重建质量不佳的问题,提出了基于联合图像块聚类自适应字典学习的多模态医学图像融合方法（JCPD）。通过预处理减少冗余图像块的数量。然后提取图像块的局部梯度信息作为聚类中心,进行联合图像块聚类。在联合图像块聚类的基础上进行训练得到子字典,并将子字典合并成自适应字典。最后在自适应字典的作用下得到稀疏表示系数,将稀疏系数融合,重建得到融合图像。实验表明所提方法在保证字典信息的完整性和字典的紧凑性基础上使得融合的图像清晰度更高、对比度更强。针对基于稀疏表示的多模态医学图像融合中细节保留能力不足的问题,本文提出了基于密度峰值聚类与卷积稀疏表示的多模态医学图像融合方法（CSR-DPC）。将医学图像分层得到基础层图像和细节层图像。将细节层图像使用卷积稀疏表示融合得到融合的细节层图像,将基础层图像使用聚类得到若干类簇,训练得到自适应字典,融合得到基础层稀疏系数,重构得到基础层融合图像;最后将融合的细节层图像与融合的基础层图像融合重构得到最后的融合图像。实验表明所提方法使图像细节更清晰,视觉质量更好,客观评价指标更优。针对本文提出的两种改进方法,基于Python开发了多模态医学图像融合系统。该系统的主要分为登录界面、注册界面以及系统主界面。系统主界面中实现的功能有:输入源图像、选择融合方法、输出融合结果。融合方法模块通过对比不同方法,表明本文提出的两种方法融合效果更好。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 选题依据、研究背景及意义
•     1.1.1 选题依据
•     1.1.2 研究背景及意义
•   1.2 国内外研究现状
•     1.2.1 聚类研究现状
•     1.2.2 稀疏表示研究现状
•     1.2.3 多模态医学图像融合研究现状
•   1.3 存在的问题
•   1.4 本文主要研究内容及组织结构
•     1.4.1 本文主要研究内容
•     1.4.2 本文组织结构
•   1.5 本章小结
• 第二章 聚类、稀疏表示与多模态医学图像基础理论
•   2.1 稀疏表示基础理论
•     2.1.1 稀疏表示模型
•     2.1.2 联合稀疏表示
•     2.1.3 卷积稀疏表示
•     2.1.4 自适应字典结构
•   2.2 聚类基础理论
•     2.2.1 k-modes聚类
•     2.2.2 密度峰值聚类
•   2.3 多模态医学图像融合方法的性能评价
•     2.3.1 主观评价方法
•     2.3.2 客观评价方法
•   2.4 本章小结
• 第三章 基于联合图像块聚类自适应字典学习的多模态医学图像融合方法
•   3.1 引言
•   3.2 基于联合图像块聚类自适应字典学习的多模态医学图像融合
•     3.2.1 预处理
•     3.2.2 联合图像块聚类
•     3.2.3 字典构造
•   3.3 多模态医学图像融合过程
•   3.4 实验结果与分析
•   3.5 本章小结
• 第四章 基于密度峰值聚类与卷积稀疏表示的多模态医学图像融合方法
•   4.1 引言
•   4.2 基于密度峰值聚类与卷积稀疏表示的多模态医学图像融合
•     4.2.1 图像分解
•     4.2.2 细节层融合
•     4.2.3 基础层融合
•   4.3 分解图像的融合与重建
•   4.4 实验结果与分析
•   4.5 本章小结
• 第五章 脑部多模态医学图像融合系统
•   5.1 系统设计的目的及意义
•   5.2 系统总体设计
•   5.3 系统实现
•     5.3.1 系统运行主界面
•     5.3.2 图像融合模块运行界面
•   5.4 本章小结
• 第六章 总结与展望
•   6.1 全文总结
•   6.2 研究展望
• 参考文献
• 攻读硕士学位期间发表的论文及所取得的研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 史超宇

导师: 王丽芳,蒋保健

关键词: 医学图像融合,图像块聚类,卷积稀疏表示,稀疏表示,自适应字典学习

来源: 中北大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,生物医学工程,计算机软件及计算机应用

单位: 中北大学

基金: 山西省青年基金项目(No.201601D021080),中北大学研究生科技立项自然科学项目(No.20171441),山西省自然科学基金项目(No.201701D121062),基于直觉模糊集理论的多波段图像自适应融合方法研究,2017-2019

分类号: TP391.41;R318

总页数: 101

文件大小: 6718K

下载量: 136