一种基于多小波变换的医学图像融合技术

为了提高医学图像融合的可靠性,本文在原小波理论的基础上提出了基于多小波变换的融合方法。此方法能够有效地保留原始图像的重要特征,有着较好的融合效果。     

基于小波变换的多模态医学图像融合算法

目的探讨一种基于小波变换的医学图像融合的新算法,为充分发挥现有医学成像系统的功能提供一种可靠手段。方法采用一种基于小波变换的医学图像融合新算法。首先对已配准的医学图像进行小波分解,把图像分解成低频和高频子图像,采用加权因子的融合规则对低频系数进行融合,采用基于区域能量的融合规则对高频系数进行融合,最后通过重构得到融合图像。结果该算法有效地将多模态医学图像所提供的信息融合在一起,为临床诊断提供了更充分、更可靠的信息。结论该算法是一种可行有效的医学图像融合算法。     

一种基于小波变换的医学图像多分辨率编码算法的研究

多分辨率编码是提高医学图像传输和回放的有效措施.作者通过对二维图像小波变换迭代特征的分析研究,提出了一种基于小波变换的多分辨率编码算法,有效地利用了二维图像在小波域分解和重构的迭代特性.测试表明,该算法简单易行,并有较理想的压缩效果.     

基于离散小波变换的多模态医学图像融合改进算法的研究

目的：提出一种改进的离散小波变换算法,并将其用于多模态医学图像融合。方法将源图像经过离散小波变换分解为高频和低频子图像;高频部分采用方向绝对值取大,能有效地保存图像的细节信息,低频部分使用区域能量比融合规则,保存了图像的绝大部分信息;用离散小波逆变换将融合子图像重构成融合图像。结果由3组医学图像融合效果比较可知,该算法在主观视觉效果和客观评价指标方面均优于现存的其他算法。结论该医学图像融合算法快速准确,在噪声环境和临床实例中均表现优越,可以获得较高质量的融合图像,具有较高的临床应用价值。     

医学图像的多进制小波分解

主要介绍了多进制小波基本理论并分析了其变换特征,对医学图像做了八进制小波分解,它在医学图像处理中会有更大的应用前景.     

一种基于三维重建的医学图像融合方法

医学图像融合是医学图像处理的一项重要技术.传统的融合技术在严格配准的基础上,对于两个具有不同扫描和成像参数的影像具有极大的局限性,针对此,本文研究了一种基于三维重建的医学图像融合方法.该方法以三维重建为基础,对重建后的三维体数据,按照解剖学结构,设置任意的解剖面进行截取,可以得到具有空间和几何上完全匹配的两幅图像,最后进行融合.研究证明,使用该方法不仅融合的结果更加准确有效,而且无需配准,适用于任意的医学成像设备的影像融合.     

医学图像压缩中的小波变换技术

小波变换具有空间一频率局部性、方向性、多分辨率性和带宽在对数频率上等宽的优点，并与人的视觉特性接近，弥补了DCT变换的不足。作为子带编码的一种特殊形式，小波变换技术在医学图像压缩中取得了很好的应用效果，成为当前医学图像压缩方法研究中的一个主要方向。介绍小波变换技术在医学图像压缩中的应用，并讨论小波变换用于医学图像压缩的关键技术。     

基于混沌遗传算法和contourlet变换的医学图像融合

目的: 改善传统医学图象融合方法对细节信息的丢失.方法: 利用contourlet的多尺度、方向性和各向异性等优点,提出了一种基于局域特性匹配度融合的改进算法.首先对原图进行contourlet分解,对分解各子带构造局域特征的匹配度,设定匹配度的阈值,对匹配度在不同阈值范围内的系数进行不同的加权融合;最后对融合系数进行contourlet逆变换得到融合图像.在阈值的选取上,引入混沌遗传算法求解阈值的全局最优解.结果: 运用传统小波变换和本文提出对方法对两组医学图象进行融合处理,客观评价参数表明本文提出的算法效果更优.结论: 该算法能够在保有原图信息的同时,有效的增强细节信息.     

医学图像融合技术

医学图像融合就是来自相同或不同成像方式的医学图像之间的空间配准和叠加,这些图像经过必要的变换处理,使它们的空间位置、空间坐标达到匹配,叠加后获得互补信息及增加信息量,把有价值的生理、生化信息与精确的解剖结构结合在一起,给临床医学诊断提供更加全面和准确的资料。     

一种基于小波的医学图像插值算法

近20多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。因此，医学图像处理技术一直受到国内外有关专家的高度重视。     

医学图像后处理与医学图像融合技术

目前．医学影像学正在飞速发展，为临床提供了更多、更全面的信息。但是我们也面临不断追踪新技术前沿．不断购买新设备而又很快过时的形势。为了摆脱上述被动局面，医学图像后处理应该是影像学科发展的中心环节。医学图像后处理是指在完成医学影像学检查之后，对所获得的图像进行再加工的过程。     

医学图像融合技术及其临床应用

医学图像融合是影像医学和核医学领域近几年兴起的一项新技术，它把解剖与功能信息有机地结合起来，有效地丰富了图像信息，提高了诊断和治疗的可靠程度。本综述了医学图像融合系统的分类、有关处理技术及其在医学诊断治疗等方面的应用。     

一种多模态医学图像数据融合方法与应用

本文提出一种基于人工智能的图像融合算法,通过软件来替代硬件设备实现医学图像融合配准功能.该算法可以对不同的扫描图像进行空间坐标对齐,以解决多模态融合配准问题,并且有效地提高配准速度.这种算法可应用在脑肿瘤MR-PET图像的融合诊断中.     

基于小波变换的CT/SPECT图像融合最佳层数选取

小波分解层数对医学图像融合效果影响很大,本文通过实验并结合图像融合评价方法,得出基于小波变换的CT/SPECT图像融合的最佳选取层数.     

基于小波变换的多分辨率CT/MRI图像配准

本文以仿射模型为基础将区域配准问题转化成优化问题,然后给出小波金字塔分解用于配准的一般框架,并与常规金字塔分解法进行了分析比较;针对配准过程的多变量非线性优化问题,结合混沌理论和遗传算法提出了改进的全局优化的混沌遗传算法.这种算法将混沌序列嵌入标准遗传算法,对标准遗传算法的个体进行混沌化处理,利用混沌的遍历特性来改进遗传算法的鲁棒性.     

医学图像融合技术

医学图像融合是信息融合的一个极有特色的应用领域，即功能成像方式与解剖成像方式的图像融合，将会为影像诊断带来划分时代的意义。图像融合的关键是空间匹配，包括图像的定位与转换。本文主要介绍医学图像融合技术的基本知识以及技术特点和原理。     

一种基于可恢复性水印的医学图像认证方法

本文提出了一种适用于医学图像内容认证和保护的可恢复性水印箅法.选取图像的小波重要系数进行SPIHT编码生成水印:使用Arnold变换确定其嵌入块位置并将其加密嵌入剑图像数据低位;通过链式认证结构实现水印信号的检测和图像篡改数据的定位,由 SPIHT解码完成篡改数据的恢复.实验表明,该算法在保证含水印医学图像具有良好视觉透明性的基础上.还可以定位并恢复被篡改区域内容.     

一种新的小波压缩方法在医学图像压缩中的实现

介绍一各小波变换用于图像数据压缩的新方法,提出其基本的思路,并对医学ＣＴ图像进行了传统小波变换方法和新方法的计算机数据压缩编码实现,讨论了该算法与传统小波变换方法相比具有的优缺点,结果证明了该算法可对于医学图像数据效的压缩编码。     

基于三维小波变换的医学图像压缩编码

本文提出了一种基于三维小波变换的医学图像压缩编码算法.根据图像经过小波变换以后的系数特征,本文改进了传统的基于块分裂编码算法(SPECK)所使用的原始的零块分裂方式,提出了一种新的零块分裂方法,该方法有效地提高了编码的有损和无损压缩性能.试验结果表明,本文算法的性能优于JPEG2000编码算法.     

医学图像融合的应用与展望

医学图像融合作为信息融合的一个极具特色的应用领域,它充分利用多模式图像 ,获得互补信息 ,使临床的诊断和治疗更加准确完善.本文介绍了图像融合的方式和两大关键技术,对常用的各类对位方法与内、外部特征法的多种算法进行了介绍和对比分析 ,并且展望了图像融合的发展趋势.