基于小波变换的多模态医学图像的融合及性能评价

为了研究小波变换分解的尺度和融合策略对图像融合效果的影响。我们选择已配准后的多聚焦医学图像以及MRI/CT灰度图像,在提取图像的低频和高频小波系数时,分别进行单尺度和多尺度分解,融合时采取了基于独立像素点和基于邻域窗口的多种融合策略,深入对比分析各种融合规则对医学图像融合性能的影响。实验结果和性能评价表明:使用局部滤波的操作可以明显改善图像融合的效果,使图像的细节信息更加丰富,而多尺度融合能明显提高融合图像的亮度。     

基于非下采样轮廓波变换的多模态医学图像融合

由于基于小波变换的图像融合方法仅在水平、垂直、对角线三个方向对图像的高频信息进行分解,易造成图像轮廓的不连续性,而基于非下采样轮廓波变换(NSCT)的融合方法能够对图像中的高频信息进行多方向分解。本文基于NSCT对多模态医学图像进行融合,以区域能量平均加权法作为NSCT变换后低频子带的融合规则,区域能量中心加权作为高频内层带通子带的系数融合规则,外层带通子带则采用区域能量最大的系数融合规则。通过对精确配准的头部PET、CT、MR图像的融合实验,借助清晰度、信息熵、联合熵等指标进行客观评价,‘prewitt’算子提取融合图像的边缘信息进行主观评价,验证该算法在视觉效果、信息含量、实时性和长轮廓表达上的优势。相较于其他文献中提出的算法,本文算法得到的融合结果信息丰富程度提升约7%、清晰度提升约31.7%、程序运行时间缩短一半,应用前景可观。     

基于自适应邻域的超声图像加权中值滤波

提出了一种自适应邻域中值滤波算法，用于医学超声内窥镜图像的噪声滤除。该方法以图像象素邻域的灰度方差为阈值，进行保持与修复窗口的自适应改变，在有效抑制Speckle噪声的同时，较好保留了图像的细节信息。对本算法与Loupas提出的加权中值滤波算法进行了比较，指出本算法在一定程度上克服了加权中值滤波器的不足并保留了它的优点，对超声内窥镜图像的滤噪有较好的效果。     

基于小波变换医学图像融合算法的对比分析

小波变换融合方法具有重要的应用价值,而融合规则的选取直接影响着融合效果。为了获得医学临床上实用的小波融合算法,选择标准CT/MRI图像,通过调整和组合各种小波变换低频及高频融合规则进行仿真实验,深入对比分析各种融合规则对医学图像融合性能的影响。在此基础上,提出低频能量取大与高频系数绝对值取大相结合的融合改进算法,比目前基于传统小波融合规则的融合质量及各项客观评价指标都有明显提高,在各种算法比较中最优。采用多聚焦图像和临床实际的CT/MRI图像进行对比验证,表明了方法的有效性。理论分析和实验结果证明:选取合适的融合规则对融合结果影响很大,本研究提出的算法简单有效。     

图像增强下基于生成对抗网络和卷积神经网络的CT与MRI融合方法

针对多模态医学图像融合中的重要特征丢失、细节表现不突出和纹理不清晰等问题,提出一种图像增强下使用生成对抗网络（GAN）和卷积神经网络（CNN）进行电子计算机断层扫描（CT）图像与磁共振成像（MRI）图像融合的方法。生成器针对高频特征图像,双鉴别器针对逆变换后的融合图像;高频特征图像通过GAN模型进行特征融合,低频特征图像通过基于迁移学习的CNN预训练模型进行特征融合。实验结果表明,与当前先进融合算法相比,所提方法在主观表现上纹理细节特征更加丰富,轮廓边缘信息更加清晰突出;在客观指标评估中,融合质量评价指标（QAB/F）、信息熵（IE）、空间频率（SF）、结构相似性（SSIM）、互信息（MI）和融合视觉信息保真度（VIFF）等关键指标比其他最佳测试结果分别提高了2.0%、6.3%、7.0%、5.5%、9.0%和3.3%。融合后图像可以有效地应用于医学诊断,进一步提高诊断效率。     

基于NSST变换和PCNN的医学图像融合方法

目的:融合PET/CT/MRI医学图像,使结果图像尽可能包含更多边缘和纹理特征等信息,以更好地区分病变、肿瘤与正常组织器官,为疾病诊断提供更多的有用信息。方法:提出一种基于非下采样剪切波变换(NSST)和脉冲耦合神经网络(PCNN)模型的融合方法。首先,根据图像局部区域能量和,对图像NSST低频系数进行加权融合;然后,根据PCNN神经元的点火次数,选择图像NSST高频方向系数;最后,通过逆NSST变换,得到融合后的图像。结果:分别对7组MRI/PET和CT/PET图像进行融合实验,其结果图像具有很好的视觉效果,且在互信息、边缘相似性、梯度相似性及空间频率4个指标综合评价中较其它算法更优。结论:本方法可以自适应捕获边缘和纹理信息,具有良好的融合效果。     

基于Demons算法的多模态医学图像非刚性配准研究

非刚性医学图像配准是医学图像研究领域的热门专题之一,具有重要的临床应用价值。本文提出一种改进的Demons算法,将灰度守恒模型和局部结构张量守恒模型结合起来,构造一个新的能量函数处理多模态配准问题,然后采用L-BFGS算法优化能量函数,解决复杂三维数据的优化问题,并采用多尺度分层细化的思想解决大形变配准。实验表明,本文算法对大形变和多模态三维医学图像配准都有较好的效果。     

基于局部小波模式和一致性点漂移的多模医学图像配准

为提高多模医学图像配准的速度、精度和鲁棒性,本文提出一种基于局部小波模式(LWP)和一致性点漂移(CPD)的多模医学图像配准算法。首先提取图像稳定特征点,然后通过局部小波分解编码8邻域信息;接着变换中心像素值,使中心点像素构成的向量取值与小波分解向量取值范围相一致,通过比较中心像素变换向量与小波分解向量计算LWP描述子;最后把结合高斯混合模型后验概率和负对数似然函数的函数作为目标函数,利用一致性点漂移算法进行模型参数估计和空间变换。实验结果表明在图像存在噪声、灰度不均匀和初始误配的情况下,LWP-CPD算法的鲁棒性、配准精度和计算复杂度都达到很好的效果。     

基于剪切波变换的医学图像融合算法

剪切波变换是一种新颖的多尺度几何分析工具,具有多分辨率、多方向性、效率较高等优点,比小波变换、曲波变换、轮廓波变换等图像表示方法有独特有的优势.基于剪切波变换提出一种医学图像融合算法,先将原始图像通过剪切波变换分解为低频子带图像和高频方向子带图像,然后采用非负矩阵分解方法融合低频子带系数,再通过深入研究人类视觉系统的特性提出最大视觉能量对比度方法,利用局部对比度和局部区域的能量和进行高频方向子带系数的融合,最后通过剪切波逆变换得到融合图像.两组实验均显示所提出的融合方法在与其余3种融合方法的比较中,采用的5项客观评价指标均有4项指标达到最优值,证明所提出的方法获取的融合图像效果最好.     

基于互信息的多光谱图像配准

研究了多模态医学图像配准的一种，即多光谱图像的配准，分析了该配准存在的困难：运算量巨大，速度较慢，占用内存多，提出了用parzen窗口函数来估计概率密度，以及用样本平均来估计熵；在搜索策略上采用了快速有效的模拟退火算法。实验证明，本文的方法很好地解决了多模态配准中存在的问题，能够快速稳定地实现多光谱图像的配准。     

基于比率距离的自适应超声图像去噪方法

针对超声图像噪声的瑞利分布特性,使用一种新的自适应超声图像去噪方法,改进固定窗口包含边缘时无法做到沿边缘方向滤波的不足。采用可自由伸缩的自适应滤波窗口,首先针对瑞利分布的噪声引入比率距离,得到超声图像像素间的相似度距离,然后考虑像素的邻域图像块均值,解决相似度距离之间比较的问题,最后像素根据新的相似度距离进行八方向伸展,得到不规则形状的滤波窗口进行去噪。用仿真超声图像和临床超声图像进行实验,图像评价指标结果表明该算法优于经典算法,更适用于去除超声图像的斑点噪声,在去除噪声的同时能够较好地保留细节边缘。     

An Improved Medical Image Fusion Algorithm for Anatomical and Functional Medical Images

In recent years,many medical image fusion methods had been exploited to derive useful information from multimodality medical image data, but, not an appropriate fusion algorithm for anatomical and functional medical images. In this paper, the traditional method of wavelet fusion is improved and a new fusion algorithm of anatomical and functional medical images,in which high-frequency and low-frequency coefficients are studied respectively. When choosing high-frequency coefficients, the global gradient of each subimage is calculated to realize adaptive fusion,so that the fused image can reserve the functional information;while choosing the low coefficients is based on the analysis of the neighborbood region energy, so that the fused image can reserve the anatomical image＇ s edge and texture feature. Experimental results and the quality evaluation parameters show that the improved fusion algorithm can enhance the edge and texture feature and retain the function information and anatomical information effectively.     

基于在线字典学习的医学图像特征提取与融合

提出一种基于在线字典学习(ODL)的医学图像特征提取与融合的新算法。首先,采用大小为8像素×8像素的滑动窗处理源图像,得到联合矩阵;通过ODL算法得到该联合矩阵的冗余字典,并利用最小角回归算法(LARS)计算该联合矩阵的稀疏编码;将稀疏编码列向量的1范数作为稀疏编码的活动级测量准则,然后根据活动级最大准则融合稀疏编码;最后根据融合后的稀疏编码和冗余字典重构融合图像。实验图像为20位患者的已配准脑部CT和MR图像,采用5种性能指标评价融合图像的质量,同两种流行的融合算法比较。结果显示,所提出算法的各项客观指标均值最优,Piella指数、QAB/F指数、MIAB/F指数、BSSIM指数和空间频率的均值分别为0.800 4、0.552 4、3.630 2、0.726 9和31.941 3,融合图像对比度、清晰度高,病灶的边缘清晰,运行速度较快,可以辅助医生诊断和临床治疗。     

基于互信息的医学图像配准中互信息的计算

基于互信息的配准方法是医学图像配准领域的重要方法.互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用.我们采用基于多分辨率和混合优化策略的配准方法,在图像的不同灰度等级数下进行配准,分析了互信息的计算量与灰度等级数的关系,并用人头部的MRI图像和CT图像做了二维的单模模拟实验和多模实际配准实验,结果显示在灰度等级数为32和64时,与灰度等级数为256时相比,配准精度没有明显改变,而计算量下降显著.     

基于抑制性突触多层神经元群放电编码的图像边缘检测

图像边缘检测所获得的目标轮廓细节质量,对于后续图像分析或理解过程具有重要作用。提出一种基于视觉机制的图像边缘检测新方法:构建抑制性突触连接的多层神经元群,在待检测图像的激励下,分析7像素×7像素视觉感受野窗口内互连接神经元的脉冲放电过程,记录发放时刻进行次序编码;同时考虑神经元之间的侧向抑制作用,在选择注意机制作用下获得增强图像;之后利用Log Gabor滤波器模拟视觉系统中的方向选择特性,获取8个方向的滤波结果,经过输出层神经元群的融合处理并经灰度映射到0～255的范围后获得边缘图像。对含有丰富边缘细节特性的24幅菌落图像进行处理,其处理结果的ROC评价指标均值为0.698 4,优于PCNN法的0.659 3;从评价指标的均方差来看,该结果具有更好的一致性。另外,从信息熵评价指标来看,该方法同样具有一定的优势,能够有效提取图像的边缘信息,而且也能反映更多层次的图像细节。所提出的方法为利用视觉生理特性进行图像处理提供了崭新而有效的思路。     

小波变换在医学图像融合中的应用

图像融合是医学图像处理中的关键技术。文中探讨了基于小波变换的医学图像融合方法。首先对源图像进行小波多尺度分解,然后采用基于窗口的融合规则进行小波系数融合,最后通过小波逆变换重构融合图像。实验结果表明,该方法能在保留原图像信息的情况下增强融合图像的细节信息。     

基于深度学习的多模态医学图像融合方法研究进展

医学图像融合方法可以将有用的信息整合到一张图上，提高单张图像的信息量。对多模态医学图像进行融合时，如何对图像进行有效的变换，提取到不同图像中独有的特征，并施以适当的融合规则是医学图像融合领域研究的重点。近年随着深度学习的快速发展，深度学习被广泛应用于医学图像领域，代替传统方法中的一些人工操作，并在图像表示、图像特征提取以及融合规则的选择方面显示出独特优势。本文针对基于深度学习的医学图像融合进展予以探讨，介绍了卷积神经网络、卷积稀疏表示、深度自编码和深度信念网络这些常用于医学图像融合的框架，对一些应用于融合过程不同步骤的深度学习方法进行分析和总结，最后，分析了当前基于深度学习的融合方法的不足并展望了未来的研究方向。     

MRI-PET image fusion based on NSCT transform using local energy and local variance fusion rules

Image fusion means to integrate information from one image to another image. Medical images according to the nature of the images are divided into structural (such as CT and MRI) and functional (such as SPECT, PET). This article fused MRI and PET images and the purpose is adding structural information from MRI to functional information of PET images. The images decomposed with Nonsubsampled Contourlet Transform and then two images were fused with applying fusion rules. The coefficients of the low frequency band are combined by a maximal energy rule and coefficients of the high frequency bands are combined by a maximal variance rule. Finally, visual and quantitative criteria were used to evaluate the fusion result. In visual evaluation the opinion of two radiologists was used and in quantitative evaluation the proposed fusion method was compared with six existing methods and used criteria were entropy, mutual information, discrepancy and overall performance.     

基于模糊最大熵的医学X增强方射线图像边缘法研究

目的：由于医学X射线图像在数字化成像过程中容易受到成像设备中射线散射、电器噪声以及人体组织结构的复杂性等因素的影响,导致数字医学x射线图像的质量不高。因此,针对数字医学X射线图像对比度较差,目标细节信息不明显的特点,研究了一种基于模糊最大熵的图像边缘增强算法。方法：首先将医学X射线图像从灰阶域变换到模糊域。然后通过最大熵准则确定模糊阈值将医学X射线图像分为目标和背景两部分．并分别对其进行图像增强处理．最后再映射回到灰阶域。结果：本文以主动脉造影X射线图像为例,对其分别进行经典模糊边缘增强、反锐化边缘增强和模糊最大熵边缘增强处理,并对处理后图像的相关参数进行定量分析。结论：结果表明基于模糊最大熵算法处理后的图像质量高．边缘细节信息明显增强,且该算法相比其它两种算法具有更好的抗噪性。