一、基于小波分析的医学图像融合技术及其效果评价（论文文献综述）
崔子婧[1]（2021）在《基于改进的自适应稀疏表示多模态医学图像融合》文中指出近年来,自适应稀疏表示算法是多模态医学图像融合研究的热点。自适应稀疏表示算法是通过自适应选择字典进行稀疏表示的算法。该算法通过采样图像块,根据图像块的梯度方向构建多个字典,随后使用这些字典对图像进行稀疏表示,从而实现图像融合。该算法在图像融合的过程同时可以去除融合过程中产生的噪声,然而它在保持边缘信息上有一定缺陷,导致边缘部分细节丢失。因此本文主要对自适应稀疏表示算法进行改进并做了以下工作:（1）本研究介绍多模态医学图像融合的发展历史和实用价值,并根据不同融合等级、融合方法对图像融合进行介绍。其次本研究掌握了该领域近十年来国内外研究现状,分类介绍融合算法,为接下来的研究奠定了基础。（2）图像融合算法的研究必不可少的过程是评价算法的融合质量。本文从主观评价和客观评价两个角度给出了评价方法。在主观评价中主要有细节放大法和差分法;在客观评价指标中,根据其评价过程中有无标准参考图像,对其进行了分类汇总:无参考客观评价指标和全参考客观评价指标。并且详细地介绍了各种指标的计算过程。随后对不同指标进行了性能评价,得到适用于不同类型图像融合的相对有效指标。（3）对于多模态医学图像来说,多尺度图像融合算法效果较好。本文概括了多尺度融合算法的流程图,其中有两个关键步骤:一是多尺度变换,二是融合规则的选择。本文介绍了多种多尺度变换法和不同的融合规则,并给出了计算过程。随后将几种多尺度算法与稀疏表示结合进行仿真与评估,为改进自适应稀疏表示算法提供思路。（4）提出了一种基于引导滤波器与自适应稀疏表示的多模态图像融合算法。该算法首先将输入图像通过滤波器分解为细节层和基础层;其次采用自适应稀疏表示对细节层图像进行融合;根据显着性特征和引导滤波器求得基础层图像的权值图,而后根据基础层图像的权值图对其进行加权平均融合的计算;最后将得到的细节层图像和基础层图像相加得到最终的融合结果。（5）第二种算法是基于拉普拉斯金字塔与自适应稀疏表示的多模态医学图像融合算法。该算法首先利用拉普拉斯金字塔将输入图像分解为四层金字塔;其次对每一层金字塔图像都进行自适应稀疏表示融合;最后通过拉普拉斯金字塔逆变换得到最终的结果。通过使用三组CT和MRI图像进行对比实验,验证了两种算法的有效性并全面的分析其优劣性,最终得出结论:第二种算法优于第一种算法。
于慧男[2]（2019）在《基于光学影像与SAR影像融合的海洋浮筏养殖区提取》文中提出我国有着丰富的浅海和滩涂资源,是世界上唯一的养殖产量高于水产捕捞量国家,海洋养殖业发展繁荣。但是,近年来由于水域污染和水体富营养化加重,危及养殖产业的正常发展;另一方面,随着沿海航运和水产养殖业的发展,日渐增长的运输船只与不断扩张的水产养殖区之间的矛盾日益突出,监管部门愈发重视对海洋养殖业的调控和管理,使得水产养殖监测成为当今研究的热点方向。作为水产研究的重要内容,精确划定海洋浮筏养殖范围对有利于政府部门对近海养殖区进行更为有效的监管,有利于其规范养殖区的养殖密度,净化养殖水域环境,有利于缓解运输船舶增长与养殖水域不断扩张之间的矛盾,防治商船误入养殖区污染养殖水域,也可保障船舶航行安全。筏式养殖是在浅海海区利用浮桶、塑料浮子等材料搭建,进行大型藻类、贝类及其他海产动物的养殖方式。传统的海洋浮筏养殖区提取是采用人工的方式利用GPS进行实地量测,费时费力且监测结果精度不高。遥感技术具有尺度大、宏观性强、时效性高等特点,在沿海海洋养殖区提取与监测方面具有独特优势,目前国内外针对遥感影像提取浮筏养殖区已经发展了较多算法,取得了较大的进展。然而,在技术层面上,常规的光学遥感或微波遥感各自在时间分辨率和光谱信息利用方面尚有局限,光学遥感属于被动遥感,易受云、雨、雾、雪等天气条件的限制而影响成像,无法及时准确地提取养殖区。SAR影像具有波段单一性,只是灰度影像,无法提供丰富光谱信息。目前的研究都以单一光学影像或者单一SAR影像提取浮筏养殖区为主,未能结合两者优势进行海洋浮筏养殖区提取。为此,为了更加准确地提取浮筏养殖区,本论文提出将影像融合算法用于提取浮筏养殖区的方法,并通过实验探究最适用于浮筏养殖区提取的融合方法。首先集成光学和SAR影像的优点,将高分辨率SAR影像与光学影像采用四种融合方法进行影像融合后,对融合影像进行定性评价和定量评价,得到融合效果最好的影像。为了验证融合效果最好的方法就是最适用于浮筏养殖区提取的方法,再针对多云雾环境下近海洋域浮筏养殖区开展提取工作,验证得到最适合提取近海岸浮筏养殖区的融合方法即为前文得到的融合效果最好的方法。本方法及研究结果可为海洋浮筏养殖区提取和动态监测提供重要支撑,为各项研究提供数据基础。本论文的主要内容如下:（1）目前用于提取海洋浮筏养殖区的遥感影像依据传感器和搭载平台不同可分为可见光影像、SAR影像和无人机影像,国内外针对三类影像提取浮筏养殖区使用的主流方法包括人工目视解译法、指数法和面向对象提取法。分析了三种方法各自的原理,说明了其在海洋浮筏养殖提取方面各自的优缺点和适用情况,介绍了国内外对主流方法的具体实施案例。（2）由国内外研究实例可知,当前关于提取海洋浮筏养殖区的研究所采用的遥感数据多为单一的光学影像或单一的SAR影像,未有将两者优点结合起来进行提取的研究,本论文提出将影像融合算法用于提取浮筏养殖区的方法,介绍了常用的融合算法,并通过实验探究最适用于浮筏养殖区提取的融合方法。运用不同融合方法对辽宁省长海县、山东省桑沟湾和福建省三都澳三个不同纬度区域对应的光学影像和SAR影像进行融合,包括HIS变换、Brovey融合、Gram-Schmidt变换和K-L变换。得到的融合后影像分辨率与高分辨率SAR影像一致,并且继承了光学影像的丰富光谱特征,转化为高分辨率且具有丰富光谱信息的影像。然后对融合后的影像进行定性和定量评价,得到融合效果最好的影像所对应的方法。（3）探究并验证最适用于提取海洋浮筏养殖区的融合方法。对前文四种不同融合结果进行面向对象提取来提取海洋浮筏养殖区,得到不同浮筏养殖区提取结果后进行定性和定量评价,根据定量评价的参数,如整体精度和KAPPA系数等,验证了融合效果最好的方法就是最适用于提取的方法,最终得出最适用于海洋浮筏养殖区提取的融合方法。实验基于单一光学或SAR影像提取浮筏养殖区的结果均未能达到90%,而利用融合方法提取海洋浮筏养殖区的整体精度可达90%以上,证明本论文提出的将影像融合方法用于海洋浮筏养殖区提取的思路是有效的,可为海洋浮筏养殖区提取和动态监测提供重要支撑,为各项研究提供数据基础。
易志武[3]（2018）在《多模态医学影像的融合与重建技术的研究》文中研究指明医学中不同传感器,不同成像技术或检查方法各有其优势与不足,提供的信息也存在很大的差别。通常情况下,对于医生诊断而言,想要从图像中获取更多的图像信息,靠单一的成像技术是不能够满足诊断需求的,许多情况下只有医学图像提供全面而丰富的信息才能对患者的病情作出诊断结论。目前医学影像的一个明显的发展趋势就是通过图像配准与融合技术对不同模态下的多张图像进行相关处理,得到相比于单一模态下的图像包含更多信息的单张图像,使其包含内部组织更多元的信息。本文就是基于目前使用比较广泛的CT和MRI断层图像序列进行序列图像配准和融合,得到一个从多源图像中获取更多信息的图像序列。然后在此基础之上对融合后的图像序列进行三维重建处理,以便更加直观的观察人体组织和器官,以及其三维结构。本文主要针对多模态医学影像的配准、融合和三维重建三个方面的研究内容进行研究,最后设计并集成一个多模态医学影像研究平台。具体内容如下:1、医学图像的预处理及配准前对CT和MRI图像进行的相关处理工作;2、研究二维图像基于特征和基于互信息的配准算法,并对两种算法做了效果对比,本文基于互信息配准算法提出了基于轮廓金字塔的归一化互信息配准算法改进,得到图像确定层之间的配准结果。由于本文的研究重点是序列图像的配准问题,需要找到CT与MRI两个序列层与层的匹配关系,所以研究了三维序列图像匹配配准算法,解决了层与层之间的匹配以及序列图像粗配准问题,再使用基于轮廓金字塔的归一化互信息配准算法对三维配准的结果各层进一步配准优化,从而提出了基于3D到2D图像配准算法。3、在配准结果的基础上研究了图像融合算法,其中主要是多种基于多尺度分析的图像融合算法,并对实验结果进行了对比,确定了基于非下采样轮廓波变换（Non-subsam-pled Contourlet Transform,NSCT）的图像融合算法对配准之后的序列图像依次进行融合处理。最后,根据本文研究的脑部图像的特征对NSCT算法进行了改进,提出了基于NSCT的脑部影像主成分融合算法;4、对融合的数据进行三维重建处理,包括面绘制、体绘制,重点研究了基于GPU加速的光线投射算法的体绘制三维重建技术,得到最后的重建结果;5、将以上的研究结果集成为多模态医学影像融合与重建平台,同时对平台的多个模块实现进行简单的说明,最后完成系统测试。
张岚[4]（2016）在《基于小波变换的图像融合》文中指出基于小波变换理论,对图像的融合技术进行了讨论。综合两种常用的模极值图像融合算法和加权平均融合算法的优点,提出了联合加权平均与模极值的图像融合算法,通过实例验证了该种算法的有效性。
徐卫良[5]（2016）在《基于多尺度几何分析的医学图像融合算法研究》文中研究指明随着科学技术快速发展,诸多前沿科技和研究成果被运用到医学领域,涌现了大量高精度的医学成像技术。但是不同模态医学图像的成像原理各异,反映的人体生理信息存在不同的侧重点和缺陷,针对这一问题,提出了多模态医学图像融合技术。该技术将不同模态的医学图像信息进行整合和互补,同时保留了各自的优势特性,为临床诊断和治疗方案制定提供了更为全面、可靠、直观的信息依据。本文着眼于优化目前基于提升小波变换和基于双树复小波变换的融合算法存在的不足,提出了两种医学图像融合新算法,主要工作及研究内容如下:1)首先,介绍了多模态医学图像融合技术的背景和研究意义,描述了该领域国内外的研究现状和存在的研究挑战,并对本文的论文创新点做了简单概括。其次,阐述了不同模态医学图像的特征、图像融合流程等基础知识,并对基于空间域和变换域的传统融合算法进行了比较,指出了各自的优势和不足。最后,对目前主流的图像融合质量评价体系作了介绍。2)针对多模态医学图像特性以及医学应用需求,提出了一种基于提升小波变换和PCNN的医学图像融合算法。首先,对已预处理源图像进行提升小波分解获得高、低频子带;其次,低频部分根据区域方差判定图像区域相关性,并以区域能量获取系数权重;进而,高频部分采用改良空间频率刺激PCNN网络,并以点火区域强度作为系数判定标准;最后,融合后所得子带通过提升小波逆变换重构获得融合图像。3)针对多模态图像经双树复小波分解后高频部分各子带边缘特性存在的差异,提出了以边缘强度特性作为高频子带分层依据,并对强、弱边缘特性子带采用不同的融合算法。其中,强边缘特性子带采用区域梯度能量加权的融合规则,弱边缘特性子带采用区域方差取大的融合规则。针对低频部分包含信息的丰富性,采用区域能量取大与加权相结合的方法。最后,通过提升双树复小波逆变换获得融合结果。4)本文以CT/MRI、MRI/SPECT、MR-T1/MR-T2作为研究对象进行了大量灰度、彩色图像融合实验。实验结果表明:本文提出的融合算法生成融合图像信息更为丰富,较好地保留了边缘细节信息,纹理清晰,具有更好的视觉效果。
李超,方世民,王静慧[6]（2015）在《一种基于Sobel算子的小波与IHS遥感影像融合算法》文中研究指明针对IHS图像融合算法中颜色畸变比较明显的问题,提出一种新的基于小波与IHS相结合的遥感影像算法。经IHS变换的多光谱影像Mul的I分量与全色影像Pan由二维离散小波分解,对小波高频和低频分量采用不同融合规则:低频分量采用绝对值加权平均的方法,把两者的低频系数按其权值比例合成到新的分量I1中;高频系数采用基于区域分块的Sobel算子的绝对值取大。实验结果与IHS法、传统小波与IHS结合法相比较,该算法能获取更多的光谱信息,人眼视觉效果也较好。
黄健[7]（2016）在《旋转叶片振动信号的测量噪声处理技术》文中指出随着科技的发展,旋转机械设备已广泛应用于国民生产的各个领域和国防事业中,对于国家经济的发展和国家的安全起着重要作用。叶片作为旋转机械设备的核心部件,保证其正常工作是提高设备运行效率和设备安全的前提。叶片振动是导致叶片工作失效最常见的原因,故需要对叶片振动信号进行实时测量与分析,这也成为了旋转设备领域研究的热点问题。基于叶尖定时法的旋转叶片振动测量是该领域常采用的且较为成熟的技术,本文在此基础上研究该测量系统中叶片振动信号的数据处理方法,实现有效的噪声滤除。针对叶片振动信号中的噪声特性,研究了多种噪声处理技术。通过对仿真的和现场采集的叶片振动信号的测试,验证了降噪方法的有效性。主要研究内容如下:1.根据旋转设备的实际运行情况,分析了叶片振动信号的噪声来源及特性,并研究了噪声对于测量系统数据的影响;2.根据叶片振动信号的噪声特征,研究噪声处理方法,包括:基准处理技术、数据平滑滤波、数字滤波器滤波、基于小波变换的去噪方法;3.对于信号降噪效果的评价指标进行阐述,并针对实测数据中无法得知真实信号的情况,提出了采用奇异值分解的方法进行信号的信噪比估计;4.利用仿真模型获得叶片振动信号的仿真数据,对所提出的噪声处理方案进行评估。设计并进行了旋转叶片振动测量的现场试验,与动应变测量方法对比分析,验证了所提出的噪声处理方案的合理性和有效性。
杜挺[8]（2015）在《Landsat8 OLI遥感影像融合算法比较及其土地利用分类适应性分析》文中研究指明伴随迅速发展的遥感对地观测技术,高分辨率、高光谱、多时相、多平台的遥感影像数据迅猛增长,这些影像数据广泛应用于地学各大领域。多元遥感影像获取方式不尽相同,不同来源的遥感数据在光谱分辨率、辐射分辨率、空间分辨率等方面大不相同,致使不同遥感数据对特定影像处理算法适应性不同。Landsat卫星是目前全世界范围内应用领域最广的民用对地观测卫星,其影像已成为资源环境调查、评价与监测的重要信息源,其携带的OLI和TIRS传感器相比之前的TM和ETM,在波段设计和光谱分辨率进行了重新调整和优化。然而,目前针对Landsat数据适应性分析的研究,特别是对Landsat8影像的融合和分类适应性研究还很少。本文针对Landsat8 OLI数据,选取地类要素较为齐全的陕西省眉县为实验样区,首先对影像进行数据读取、图像增强、辐射定标、重采样、图像裁剪等预处理,然后再对研究区影像波段统计特征分析的基础上,通过OIF因子提取算法,获得最佳波段组合B245；其次,采用主成分（PCA）变换融合算法、色度明度饱和度（HIS）变换融合算法、色彩标准变化算法（Brovey法）、GS变换融合算法、小波融合法（Coiflet、Daubechies、Haar、Symlet）及小波变换与传统方法相结合的方法（Wavelet-PCA法、Wavelet-IHS法）对B245进行融合实验；通过融合影像的光谱分辨率和空间分辨率2个方面进行定性评价；选取标准差、信息熵、清晰度、光谱扭曲度、偏差系数、相关系数等指标,从影像亮度信息、空间信息和光谱信息3方面进行定量评价；最终发现在10种融合方法中,PCA融合法为该区域Landsat8 OLI影像的最佳融合算法。最后,将PCA融合影像利用面向对象分类方法和监督分类中的最大似然法、支持向量机、BP神经网络方法进行分类实验。为了对分类结果进行定量精度分析,本文参考眉县地区的SPOT影像、中科院1：100000土地利用数据,并在选样调查的基础上进行目视解译,将眉县土地利用类型分为耕地、园地、林地、居民地、交通用地、水域、裸地7个类型。通过定性和定量方法评价分类精度,结果表明：总体分类精度均较高,精度由高到低依次为支持向量机>最大似然法>面向对象分类法>神经网络分类法,四种分类算法在不同土地利用类型内部分类精度差异较大。最后,论文在参考国内外研究动态的基础上总结了本研究存在的不足,并对该研究的进一步探索进行了展望。
任忠国[9]（2015）在《基于γ特征谱的对象相似性识别技术研究》文中研究说明国际国内核安全局势的最新变化,不仅对加强核部件与核材料的管理与监控,而且对国际防核扩散机制提出了新要求,但与之相应的核军控与核裁军的核查技术研发与该要求还存在较大的距离；不仅如此,随着国内核电产业的快速发展,与之相应的大量的核原料与核废料的处理技术的提高与管控能力的加强也日益迫切,这都需要大力研发相应的无损监测方法与分析识别技术。针对上述涉核对象来说,Y射线是最重要的出射粒子之一,高分辨的Y能谱分析可以实现无损条件下被测对象的判断与识别。本论文围绕基于高分辨γ能谱的对象相似性识别技术,结合近十多年来高速发展的模式识别技术与图像配准技术,展开γ能谱对象的分类识别研究,为提升核保障技术水平,核军控、核裁军核查提供技术储备,以及下一步研究工作提供支持。本论文的研究基于VC++2010,通过与ROOT相结合,开发了相应的程序,完成的主要工作与获得的研究成果如下：1)采用传统的Y能谱分析方法对高分辨Y能谱进行了分析。主要分析工作包括：能谱平滑降噪、能谱寻峰、连续本底扣除、峰面积拟合等。寻峰算法为对称零面积法与反卷积法,本底扣除利用了SNIP法进行,峰面积拟合采用了AWMI方法。首次将小波降噪与多项式最小二乘平滑结合,对能谱进行平滑降噪,提升了平滑降噪效果。2)针对Y能谱的修正,参照图像配准技术提出了Y能谱配准概念,首次展开了Y能谱配准研究。γ能谱基于特征的配准研究开展了Y能谱预处理、特征提取、特征匹配、插值重采样以及相似性度量等研究。重点研究了线性插值、拉格朗日插值、埃尔米特插值和三次样条插值等四种插值重构算法的γ能谱插值效果,结果表明埃尔米特插值效果优于其他插值算法。对于相似性度量研究,研究了x2／（N-1）、拟合优度、欧氏距离、余弦相似度、皮尔逊积矩相关系数等算法。另外插值重采样后,研究了小波变换后多层级配准后的相似性度量。3)研究了模式识别中主成分分析、线性判别分析与支持向量机对Y能谱的分类识别。其中,国内首次开展了支持向量机研究与线性判别分析应用于γ能谱分析。从分类结果看,线性判别分析算法分类效果优于主成分分析法,但主成分分析法的投影空间物理意义相对较明显。支持向量机对钚样品的高分辨Y能谱分类训练的结果显示,分类学习的交叉验证准确率达到99%以上。
王蕙[10]（2014）在《基于区域划分的图像融合技术研究》文中指出图像融合是多传感器信息融合的一个分支,近些年来在军事目标识别、医学病理诊断、城市规划管理等方面有着越来越广泛的应用。图像融合的方法有很多种,本文主要针对基于区域划分的融合技术进行研究。论文首先介绍了图像融合的基本理论,就它的概念、步骤、层次以及常用的方法的特点进行讨论。对图像分割的基本理论进行了研究,并重点研究了基于边缘和基于区域的两种方法。基于区域分割图像的融合是在像素级的层面上进行的,传统基于区域划分的图像融合技术使用平均梯度指标进行图像清晰度判断,不能准确衡量图像局部清晰程度,运算速度慢。拉普拉斯能量（EOL）能够更好的对区域的清晰度进行判断,运算过程仅涉及“和运算”,运算效率高。本文使用EOL参数替代传统的平均梯度,提高了图像融合质量,缩短了算法运行时间。对比实验验证了算法的有效性。此外,将改进算法应用于红外与微光图像的融合,也取得了良好的效果。基于相似度的区域划分融合算法根据源图像间的相似性特征从照度、对比度和结构三部分进行融合,这些特征反映了原图像间的冗余或互补关系。传统算法中的结构特征参数使用了相关系数,无法真正体现图像间的结构信息。本文使用小波相似度替换传统的相关系数相似度,能够真正反映图像边缘结构信息,并引入视觉理论采用CSF曲线对小波系数进行加权,计算相似度参数并进行区域划分,取得了优于传统相似度方法的融合效果。
二、基于小波分析的医学图像融合技术及其效果评价（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波分析的医学图像融合技术及其效果评价（论文提纲范文）
（1）基于改进的自适应稀疏表示多模态医学图像融合（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 医学图像融合研究背景与意义 |
| 1.2 医学图像融合国内外研究现状 |
| 1.3 本文主要工作与章节安排 |
| 1.4 本章小结 |
| 第二章 图像融合评价指标 |
| 2.1 主观评价 |
| 2.2 客观评价 |
| 2.2.1 无参考客观指标 |
| 2.2.2 全参考客观指标 |
| 2.3 客观评价指标分析 |
| 2.4 本章小结 |
| 第三章 多模态图像融合 |
| 3.1 图像的多尺度变换 |
| 3.1.1 拉普拉斯金字塔变换法 |
| 3.1.2 小波变换法 |
| 3.2 稀疏表示 |
| 3.3 其他图像融合算法 |
| 3.4 融合规则 |
| 3.4.1 数学统计法 |
| 3.4.2 模糊逻辑法 |
| 3.4.3 人类视觉系统法 |
| 3.5 多种融合算法实验仿真和评价 |
| 3.6 本章小结 |
| 第四章 基于引导滤波与自适应稀疏表示的多模态医学图像融合 |
| 4.1 自适应稀疏表示模型 |
| 4.2 引导滤波模型 |
| 4.3 算法描述 |
| 4.3.1 图像分解 |
| 4.3.2 融合规则 |
| 4.3.3 图像重构 |
| 4.4 算法仿真和评价 |
| 4.4.1 仿真结果对比 |
| 4.4.2 客观指标对比 |
| 4.5 本章小结 |
| 第五章 基于拉普拉斯金字塔法和自适应稀疏表示的多模态医学图像融合 |
| 5.1 算法描述 |
| 5.1.1 图像分解 |
| 5.1.2 自适应稀疏表示融合 |
| 5.1.3 图像重构 |
| 5.2 算法仿真和评价 |
| 5.2.1 仿真结果对比 |
| 5.2.2 客观指标对比 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（2）基于光学影像与SAR影像融合的海洋浮筏养殖区提取（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 水产养殖区提取算法的国内外研究现状及分析 |
| 1.2.1 基于光学影像提取水产养殖区发展现状 |
| 1.2.2 基于SAR影像提取水产养殖区发展现状 |
| 1.3 论文的研究内容 |
| 1.4 论文的组织结构 |
| 第2章 光学影像与SAR影像融合理论与方法 |
| 2.1 影像融合的定义 |
| 2.2 影像融合的层次 |
| 2.2.1 像素级融合 |
| 2.2.2 特征级融合 |
| 2.2.3 决策级融合 |
| 2.3 光学影像与SAR影像融合算法 |
| 2.3.1 HIS变换理论 |
| 2.3.2 Brovey变换理论 |
| 2.3.3 Gram-Schmidt变换理论 |
| 2.3.4 K-L变换理论 |
| 2.4 光学影像与SAR影像融合的关键问题 |
| 2.4.1 影像配准 |
| 2.4.2 融合模型的建立与优化 |
| 2.4.3 融合算法的选择 |
| 2.5 光学影像与SAR影像融合的效果评价 |
| 2.5.1 融合影像质量的主观评价指标 |
| 2.5.2 融合影像质量的客观评价指标 |
| 2.6 本章小结 |
| 第3章 海洋浮筏养殖区提取理论与方法 |
| 3.1 目视解译法 |
| 3.1.1 目视解译的分类与准备工作 |
| 3.1.2 目视解译的步骤 |
| 3.2 特征指数法 |
| 3.2.1 比值型特征指数 |
| 3.2.2 归一化特征指数 |
| 3.3 面向对象提取法 |
| 3.3.1 影像分割 |
| 3.3.2 信息提取 |
| 3.3.3 精度评价 |
| 3.4 本章小结 |
| 第4章 光学和SAR影像融合与养殖区的面向对象提取 |
| 4.1 光学影像与SAR影像预处理 |
| 4.1.1 光学影像预处理 |
| 4.1.2 SAR影像预处理 |
| 4.2 光学影像与SAR影像融合技术方案 |
| 4.2.1 HIS变换技术方案 |
| 4.2.2 Brovey变换技术方案 |
| 4.2.3 G-S变换技术方案 |
| 4.2.4 K-L变换技术方案 |
| 4.3 面向对象法提取浮筏养殖区 |
| 4.3.1 浮筏养殖区影像分割 |
| 4.3.2 浮筏特征选取 |
| 4.3.3 浮筏对象提取 |
| 4.4 本章小结 |
| 第5章 典型浮筏养殖区提取分析 |
| 5.1 研究区与数据源 |
| 5.1.1 研究区概况 |
| 5.1.2 数据源概况 |
| 5.2 长海县养殖区实验分析 |
| 5.2.1 融合实验及融合质量评价 |
| 5.2.2 提取实验及提取质量评价 |
| 5.3 桑沟湾养殖区实验分析 |
| 5.3.1 融合实验及融合质量评价 |
| 5.3.2 提取实验及提取质量评价 |
| 5.4 三都澳养殖区实验分析 |
| 5.4.1 融合实验及融合质量评价 |
| 5.4.2 提取实验及提取质量评价 |
| 5.5 算法适应性评价 |
| 5.6 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
（3）多模态医学影像的融合与重建技术的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文的结构安排 |
| 第二章 图像预处理与相关技术 |
| 2.1 图像预处理相关技术 |
| 2.1.1 图像滤波 |
| 2.1.2 图像增强 |
| 2.2 CT去床处理 |
| 2.3 CT、MRI像素间空间距离调节 |
| 2.4 配准前综合处理工作总结 |
| 2.5 本章小结 |
| 第三章 多模态序列影像配准 |
| 3.1 图像配准技术概述 |
| 3.1.1 图像配准概念 |
| 3.1.2 图像配准基本框架及流程 |
| 3.2 图像配准关键技术说明 |
| 3.2.1 空间几何变换 |
| 3.2.2 插值算法 |
| 3.2.3 相似性测度 |
| 3.2.4 搜索策略优化算法 |
| 3.3 基于特征匹配的图像配准算法 |
| 3.3.1 算法概述 |
| 3.3.2 特征提取 |
| 3.3.3 特征匹配 |
| 3.3.4 实验效果 |
| 3.4 基于归一化互信息图像配准算法及改进 |
| 3.4.1 多尺度小波变换及图像配准应用 |
| 3.4.2 基于轮廓金字塔的归一化互信息图像配准算法改进 |
| 3.4.3 实验结果与分析 |
| 3.5 三维序列图像匹配算法 |
| 3.5.1 序列图像匹配问题 |
| 3.5.2 基于ITK的三维图像配准匹配实现 |
| 3.6 基于3D到2D的序列图像配准算法 |
| 3.7 本章小结 |
| 第四章 医学影像融合算法的研究 |
| 4.1 医学影像融合技术概述与分类 |
| 4.2 小波变换与图像融合 |
| 4.2.1 基于小波变换的图像融合算法流程 |
| 4.2.2 图像的多分辨率融合规则与逆变换重构 |
| 4.3 Contourlet变换与图像融合 |
| 4.3.1 Contourlet变换 |
| 4.3.2 基于Contourlet变换的图像融合算法 |
| 4.4 NSCT图像融合技术 |
| 4.4.1 NSCT变换 |
| 4.4.2 基于NSCT的图像融合算法 |
| 4.5 融合结果评价及分析 |
| 4.5.1 评价指标 |
| 4.5.2 结果分析 |
| 4.6 基于NSCT的脑部影像主成分融合算法改进 |
| 4.7 本章小结 |
| 第五章 融合序列影像三维重建 |
| 5.1 VTK介绍 |
| 5.1.1 重建框架 |
| 5.1.2 可视化数据处理流程 |
| 5.2 面绘制 |
| 5.2.1 体素模型 |
| 5.2.2 等值面 |
| 5.2.3 MC算法 |
| 5.3 体绘制 |
| 5.3.1 光线投射算法 |
| 5.3.2 GPU加速的光线投射算法 |
| 5.4 实验结果及分析 |
| 5.4.1 三维重建效果对比实验 |
| 5.4.2 融合与非融合图像的重建效果对比 |
| 5.5 本章小结 |
| 第六章 系统设计与实现 |
| 6.1 系统功能概述与开发环境介绍 |
| 6.2 系统设计整体方案 |
| 6.2.1 数据流结构 |
| 6.2.2 模块架构设计 |
| 6.3 部分模块详解 |
| 6.3.1 系统界面及交互设计 |
| 6.3.2 影像解析与显示模块 |
| 6.3.3 配准模块 |
| 6.3.4 融合模块 |
| 6.3.5 体绘制模块 |
| 6.4 系统测试 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 不足与展望 |
| 致谢 |
| 参考文献 |
（4）基于小波变换的图像融合（论文提纲范文）
| 引言 |
| 1联合加权平均与模极值的图像融合法 |
| 2结语 |
（5）基于多尺度几何分析的医学图像融合算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.3 多模态医学图像融合研究存在的问题 |
| 1.4 论文的主要工作及创新点 |
| 1.5 论文章节安排 |
| 第2章 多模态医学图像融合基础知识 |
| 2.1 多模态医学图像 |
| 2.1.1 CT图像 |
| 2.1.2 MRI图像 |
| 2.1.3 PET图像 |
| 2.1.4 SPECT图像 |
| 2.2 多模态医学图像融合流程 |
| 2.3 多模态医学图像融合的层次划分 |
| 2.4 像素级多模态医学图像融合 |
| 2.4.1 基于空间域的融合算法 |
| 2.4.2 基于变换域的融合算法 |
| 2.5 融合图像常规评价体系 |
| 2.5.1 主观评价 |
| 2.5.2 客观评价 |
| 2.6 本章小结 |
| 第3章 基于提升小波变换和PCNN的医学图像融合新算法 |
| 3.1 基于提升小波变换医学图像融合流程 |
| 3.2 提升小波变换 |
| 3.3 基于提升小波变换的医学图像融合算法 |
| 3.3.1 低频子带融合规则 |
| 3.3.2 高频子带融合规则 |
| 3.4 实验结果与分析 |
| 3.4.1 灰度图像融合实验 |
| 3.4.2 彩色图像融合实验 |
| 3.5 结论 |
| 第4章 基于双树复小波变换的医学图像融合新算法 |
| 4.1 基于双树复小波变换医学图像融合流程 |
| 4.2 双树复小波变换 |
| 4.3 Sobel边缘特性分析 |
| 4.4 基于双树复小波变换的医学图像融合算法 |
| 4.4.1 低频子带融合规则 |
| 4.4.2 强边缘特性高频子带融合规则 |
| 4.4.3 弱边缘特性高频子带融合规则 |
| 4.5 实验结果与分析 |
| 4.5.1 灰度图像融合实验 |
| 4.5.2 彩色图像融合实验 |
| 4.6 结论 |
| 第5章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 硕士期间研究成果及参与项目 |
| 致谢 |
（6）一种基于Sobel算子的小波与IHS遥感影像融合算法（论文提纲范文）
| 1 引言 |
| 2 融合的基本理论 |
| 2. 1 Sobel算子的基本理论 |
| 2. 2 小波的基本理论 |
| 2. 3 IHS的基本理论 |
| 3 小波与IHS融合的基本思想 |
| 4 融合实验及其质量评价参数 |
| 5 结语 |
（7）旋转叶片振动信号的测量噪声处理技术（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 旋转叶片振动信号检测的研究背景及意义 |
| 1.2 旋转叶片振动信号检测技术综述 |
| 1.3 叶尖定时法原理及现状 |
| 1.3.1 叶尖定时法原理 |
| 1.3.2 国内外发展现状 |
| 1.4 测量系统简介 |
| 1.5 本文研究内容 |
| 1.6 本章小结 |
| 第二章 旋转叶片振动信号中噪声来源及其影响 |
| 2.1 噪声来源及其特性 |
| 2.2 降噪处理方案 |
| 2.2.1 分析噪声对测量数据的影响 |
| 2.2.2 噪声处理方法设计 |
| 2.3 本章小结 |
| 第三章 旋转叶片振动信号的降噪处理技术 |
| 3.1 信号降噪处理效果的评价指标 |
| 3.1.1 评价指标介绍 |
| 3.1.2 基于奇异值分解的信噪比估计 |
| 3.2 旋转叶片振动信号的降噪处理方法 |
| 3.2.1 Savitzky-Golay平滑滤波 |
| 3.2.2 数字滤波器及其设计 |
| 3.2.3 基于小波变换的去噪方法 |
| 3.3 旋转叶片振动信号的降噪处理与评价结果 |
| 3.3.1 叶尖定时旋转叶片振动测量系统仿真 |
| 3.3.2 几种方法的降噪结果 |
| 3.4 本章小结 |
| 第四章 旋转叶片振动测量工业现场试验及其降噪效果评价 |
| 4.1 工业现场试验概述 |
| 4.2 旋转叶片振动测量的现场试验设计 |
| 4.3 旋转叶片测量试验结果 |
| 4.4 旋转叶片振动试验数据降噪处理与评价 |
| 4.5 试验结论 |
| 4.6 本章小结 |
| 第五章 全文总结 |
| 参考文献 |
| 发布论文和参加科研情况说明 |
| 致谢 |
（8）Landsat8 OLI遥感影像融合算法比较及其土地利用分类适应性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 遥感影像融合目的和意义 |
| 1.2 影像融合的研究进展及研究现状 |
| 1.2.1 遥感影像融合层次的划分 |
| 1.2.2 遥感影像融合的国内外研究现状 |
| 1.3 遥感影像融合所面临的问题 |
| 1.3.1 融合基础理论研究有待突破 |
| 1.3.2 新型遥感影像的融合适应性研究滞后 |
| 1.3.3 小波融合系统分析不足 |
| 1.3.4 地理学视觉下的影像融合有待加强 |
| 1.4 论文的研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 章节安排 |
| 第二章 Landsat8传感器及其影像特征分析 |
| 2.1 Landsat系列卫星简介 |
| 2.2 Landsat8卫星的传感器和数据参数 |
| 第三章 遥感影像预处理 |
| 3.1 研究区选择 |
| 3.2 数据预处理 |
| 3.3 遥感影像统计特征分析 |
| 3.4 最佳波段选取 |
| 3.5 本章小结 |
| 第四章 像素级融合法的原理与过程 |
| 4.1 基于主成分变换(PCA)的影像融合 |
| 4.2 基于IHS变换的影像融合 |
| 4.3 基于Brovey变换影像融合 |
| 4.4 基于Gram-Schmidt变换融合 |
| 4.5 基于小波变换的图像融合 |
| 4.5.1 小波变换的分解与重构 |
| 4.5.2 小波变换融合法的实现 |
| 4.5.3 小波变换和IHS相结合的融合 |
| 4.5.4 小波变换和PCA相结合的融合 |
| 第五章 遥感影像融合效果评价 |
| 5.1 融合影像主观评价方法 |
| 5.2 融合影像客观评价方法 |
| 第六章 融合影像在土地利用分类中的应用 |
| 6.1 基于像元的遥感影像分类方法 |
| 6.1.1 最大似然分类法 |
| 6.1.2 神经网络分类法 |
| 6.1.3 支持向量机分类算法 |
| 6.2 基于面向对象的遥感影像分类方法 |
| 6.2.1 面向对象的遥感分类原理 |
| 6.2.2 面向对象分类的技术路线 |
| 6.3 分类精度评价 |
| 6.4 分类过程及结果 |
| 6.4.1 基于像元的融合影像监督分类 |
| 6.4.2 基于面向对象的融合影像分类 |
| 6.5 分类精度评价 |
| 6.5.1 定性评价 |
| 6.5.2 定量评价 |
| 结论与展望 |
| 1. 结论 |
| 2. 存在的不足及展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（9）基于γ特征谱的对象相似性识别技术研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文章节安排 |
| 1.4 论文的主要工作与创新点 |
| 第二章 γ能谱解谱分析 |
| 2.1 引言 |
| 2.2 HPGe探测器的实验设置 |
| 2.3 γ谱数据处理方法 |
| 2.3.1 γ谱数据平滑降噪 |
| 2.3.2 γ寻峰算法 |
| 2.3.3 本底扣除 |
| 2.3.4 全能峰拟合与峰面积确定 |
| 2.4 γ能谱分析处理 |
| 2.5 本章小结 |
| 第三章 γ能谱配准技术研究 |
| 3.1 引言 |
| 3.2 γ能谱配准定义 |
| 3.3 γ能谱配准的基本组成 |
| 3.4 γ能谱配准的方法 |
| 3.5 基于特征γ能谱配准的主要步骤 |
| 3.5.1 能谱的预处理 |
| 3.5.2 γ能谱的特征提取 |
| 3.5.3 特征匹配 |
| 3.5.4 相似性度量 |
| 3.5.5 能谱插值重新采样 |
| 3.6 基于变换域信息的方法 |
| 3.7 γ能谱的配准 |
| 本章小结 |
| 第四章 γ能谱模式识别技术研究 |
| 4.1 引言 |
| 4.2 主成分分析法 |
| 4.3 主成分分析在γ谱中的应用 |
| 4.4 线性判别分析算法 |
| 4.5 线性判别分析算法在γ谱中的应用 |
| 4.6 支持向量机 |
| 4.7 支持向量机在γ能谱中的应用 |
| 本章小结 |
| 第五章 γ特征谱的对象相似性程序设计 |
| 5.1 软件基本要求 |
| 5.2 ROOT在VC2010下的安装 |
| 5.3 程序主界面与框架 |
| 5.3.1 γ能谱分析 |
| 5.3.2 γ能谱配准 |
| 5.3.3 γ能谱识别 |
| 5.4 本章小结 |
| 第六章 总结及展望 |
| 6.1 总结 |
| 6.2 展望及下一步部分工作 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（10）基于区域划分的图像融合技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和研究目的 |
| 1.2 图像融合技术的国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究状况 |
| 1.2.3 目前存在的问题及我国现阶段的差距 |
| 1.3 本论文的主要内容与章节安排 |
| 1.3.1 本论文的主要内容 |
| 1.3.2 本论文的章节安排 |
| 第二章 图像融合基本理论 |
| 2.1 图像融合的概念 |
| 2.2 图像融合的主要步骤 |
| 2.2.1 图像预处理 |
| 2.2.2 图像配准 |
| 2.2.3 图像融合 |
| 2.3 图像融合的层次划分 |
| 2.3.1 像素级融合 |
| 2.3.2 特征级融合 |
| 2.3.3 决策级融合 |
| 2.4 常见融合方法 |
| 2.4.1 像素级融合方法 |
| 2.4.2 特征级和决策级融合方法 |
| 2.5 图像融合的效果评价 |
| 2.5.1 主观评价 |
| 2.5.2 客观评价 |
| 2.6 本章小结 |
| 第三章 图像分割基本理论 |
| 3.1 图像分割的概念 |
| 3.2 基于边缘的图像分割方法 |
| 3.2.1 罗伯特(Roberts)边缘算子 |
| 3.2.2 索贝尔(Sobel)边缘算子 |
| 3.2.3 普瑞维特(Prewitt)边缘算子 |
| 3.2.4 拉普拉斯(Laplacian)边缘算子 |
| 3.2.5 坎尼(Canny)边缘算子 |
| 3.3 基于区域的图像分割 |
| 3.3.1 阈值法 |
| 3.3.2 区域生长法 |
| 3.3.3 分裂合并法 |
| 3.3.4 聚类法 |
| 3.3.5 分水岭法 |
| 3.4 本章小结 |
| 第四章 基于区域分割的图像融合 |
| 4.1 基于区域分割的图像融合算法基本思路 |
| 4.2 基于区域分割的图像融合具体过程 |
| 4.2.1 基于区域的图像分割 |
| 4.2.2 联合区域表示 |
| 4.2.3 图像融合规则 |
| 4.2.4 融合效果量化评价 |
| 4.3 改进的基于拉普拉斯能量（EOL）参数的融合算法 |
| 4.3.1 算法改进思路 |
| 4.3.2 红外图像与可见光图像的融合 |
| 4.3.3 红外图像与可见光图像的融合结果分析 |
| 4.3.4 红外图像与微光图像的融合 |
| 4.3.5 红外图像与微光图像的融合结果分析 |
| 4.4 本章小结 |
| 第五章 基于改进结构相似度的区域划分图像融合 |
| 5.1 传统相似度及小波相似度理论 |
| 5.1.1 传统相似度计算方法 |
| 5.1.2 传统相似度的不足 |
| 5.1.3 基于小波的结构相似度 |
| 5.1.4 小波相似度与原相似度性能对比实验 |
| 5.2 基于小波结构相似度的区域划分融合算法 |
| 5.2.1 基于人类视觉系统（HVS）的小波系数加权 |
| 5.2.2 基于小波的结构相似度的区域划分融合算法 |
| 5.2.3 融合效果量化评价 |
| 5.3 改进的融合算法实验结果 |
| 5.3.1 不同场景下图像的融合 |
| 5.3.2 图像融合结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
| 致谢 |
四、基于小波分析的医学图像融合技术及其效果评价（论文参考文献）
- [1]基于改进的自适应稀疏表示多模态医学图像融合[D]. 崔子婧. 兰州大学, 2021(09)
- [2]基于光学影像与SAR影像融合的海洋浮筏养殖区提取[D]. 于慧男. 西南交通大学, 2019(04)
- [3]多模态医学影像的融合与重建技术的研究[D]. 易志武. 电子科技大学, 2018(08)
- [4]基于小波变换的图像融合[J]. 张岚. 现代工业经济和信息化, 2016(01)
- [5]基于多尺度几何分析的医学图像融合算法研究[D]. 徐卫良. 浙江理工大学, 2016(07)
- [6]一种基于Sobel算子的小波与IHS遥感影像融合算法[J]. 李超,方世民,王静慧. 城市勘测, 2015(06)
- [7]旋转叶片振动信号的测量噪声处理技术[D]. 黄健. 天津大学, 2016(11)
- [8]Landsat8 OLI遥感影像融合算法比较及其土地利用分类适应性分析[D]. 杜挺. 西北大学, 2015(10)
- [9]基于γ特征谱的对象相似性识别技术研究[D]. 任忠国. 兰州大学, 2015(02)
- [10]基于区域划分的图像融合技术研究[D]. 王蕙. 中国石油大学(华东), 2014(07)