基于曲波變換醫(yī)學圖像融合方法的研究.pdf

1、在現(xiàn)代社會中，隨著人民生活水平的提高，居民對個人健康狀況越來越重視，推動了現(xiàn)代醫(yī)學的蓬勃發(fā)展，也促進了醫(yī)學影像在臨床應用中的大爆發(fā)。多源醫(yī)學圖像提供了人體組織器官的細節(jié)信息，是當代醫(yī)務工作者進行臨床診斷不可或缺的依據。通常在診斷過程中，必須綜合多幅醫(yī)學圖像，進行全面的考量，才能準確判斷病灶位置和病情的發(fā)展階段的信息。醫(yī)學圖像融合技術可以將多幅醫(yī)學圖像根據一定算法整合到一張比較完備的融合圖像中，是醫(yī)療診斷全局性的必然要求。醫(yī)學圖像配準是融

2、合的前提，通過平移和旋轉等操作，對多模態(tài)醫(yī)學圖像進行預處理，在一定程度上避免了融合過程中不同組織信息的相互干擾。
　　本文在醫(yī)學圖像配準部分，從臨床上的應用為基本出發(fā)點，實現(xiàn)了二維剛性圖像的配準，分析了基于互信息的醫(yī)學圖像配準方法，全面研究了互信息配準法中插值和優(yōu)化算法對處理結果的影響。出于降低耗時的目的，本文采用矩-主軸法初次配準源圖像。為了解決互信息配準法的局部極值問題，提出了改進的部分體積插值法，并且通過增加梯度互信息，讓圖

3、像配準的準確性更上一個新臺階。最后通過比對仿真，可以證明全新的 GSI-CSPV-PSO聯(lián)合算法在醫(yī)學圖像配準中具備較大的優(yōu)勢。對于配準后圖像的融合過程，利用圖像融合領域中的幾種常用變換,引出了第二代Curvelet變換的原理，分析了離散Curvelet變換的兩種快速實現(xiàn)算法?；赨SFFT算法，本文通過實驗仿真顯示出圖像經Curvelet變換后的系數(shù)分布，并完成了分解圖像的分層重構。進而把第二代Curvelet變換引入實際應用層面，首