<strike id="ir1tk"></strike>
  • <li id="ir1tk"><acronym id="ir1tk"></acronym></li>

    <listing id="ir1tk"><label id="ir1tk"></label></listing>
    <legend id="ir1tk"><noscript id="ir1tk"></noscript></legend>

  • NSST與引導濾波醫學圖像融合算法分析

    2022-05-07 版權聲明 舉報文章

    摘要:針對目前醫學圖像融合領域中,融合圖像存在細節信息不夠清晰及信息丟失的問題,提出一種基于非下采樣剪切波變換(NSST)與引導濾波相結合的醫學圖像融合算法。首先,對已經過嚴格配準的兩幅醫學源圖像進行NSST,得到各自的低頻子帶與高頻子帶。其次,低頻子帶采用基于引導濾波的加權平均的融合方法,高頻子帶采用平均梯度、區域能量指導加權系數的融合規則。最后,將低頻子帶和高頻子帶進行非下采樣剪切波反變換,從而得到最后的融合圖像。最終的實驗結果表明:與文中所提到的幾種融合算法相比,該算法不僅在多項評價指標中表現更佳,而且也有較好的視覺效果。

    關鍵詞:圖像融合;醫學圖像;非下采樣剪切波變換;引導濾波

    對于獲取不同模態的醫學圖像需要選用不同的成像儀器,不同模態的醫學圖像也攜帶著不一樣的組織信息。比如計算機斷層掃描(computerizedtomography,CT)圖像和磁共振成像(magneticresonanceimaging,MRI),CT圖像可以提供骨骼硬組織的信息,MRI中則是顯示了軟組織信息;單一模態的圖像并不能攜帶人體組織的全部信息,這對醫生的診斷是不利的。為了提高醫生對病情診斷的準確性,并制定合理和完善的治療方案,這需要將不同模態的醫學圖像中的有用信息在同一圖像中呈現出來。正是由于醫學臨床中存在這種需求,醫學圖像融合也越來越受到圖像處理人員的關注[1]。圖像融合按融合算法來分,一般分為空間域算法和變換域算法[2]??臻g域算法只能進行簡單的融合處理,其優點是簡單,運行時間短,可以抑制人造紋理,缺點是沒有考慮時間域與頻率域的關系,所以融合圖像不僅視覺效果較差,客觀評價因子也不理想。變換域算法是對圖像進行多尺度變換,并對多尺度變換下的系數進行處理。金字塔變換的融合方法,融合效果從主客觀評價來看,均優于空間域算法[3]。但在融合過程中容易產生大量的冗余數據。RanchinT和WaldL首次提出了基于小波分析的圖像融合這一概念[4],降低了數據處理量,但其分解的方向性有限李凱等人[5]提出一種基于四元小波變換與Copula模型的融合方法,融合圖像清晰,但在邊緣處出現信息丟失的現象。YinH等人[6]通過將源圖像作為訓練數據獲得聯合字典,然后使用最大加權多范數融合規則融合圖像,但融合圖像存在細節信息丟失的問題。而非下采樣剪切波變換(non-subsampledshearwavetransformation,NSST)不僅具有平移不變性的優點,還有較強的方向選擇性。因此,為了進一步提高融合圖像質量,本文提出了基于非下采樣剪切波與引導濾波[7,8]相結合的融合方法。用NSST可以獲取源圖像的更多細節信息;引導濾波器用于圖像處理不僅可以增強空間的連續性,避免引入人造紋理[9],而且設計復雜度比較低。

    1本文算法

    1.1NSST

    NSST是通過多尺度分解和方向局部化來實現。使用非下采樣金字塔濾波器組NSLP實現多尺度分解,使用剪切濾波器SF實現方向局部化。對源圖像進行N級分解,得到1個低頻分量和N個大小相同但尺度不同高頻分量。3級NSST分解過程如圖1所示。

    1.2引導濾波

    記用于引導的圖像為F,輸入的圖像為I,輸出圖像為O。輸出圖像O與引導圖像F存在以下的線性關系Oj=ajFj+bj,?i∈wi(1)式中aj,bj為線性系數,且在窗口wj均為常數。j為窗口wj的中心像素點,wj窗口大小為(2r+1)×(2r+1)。

    2融合規則

    2.1算法流程

    對圖像進行融合處理時,融合規則是融合處理的核心,它會從運行速度和圖像融合的質量兩個方面來影響融合處理。因此,選擇合適的融合規則在融合處理中具有舉足輕重的意義?;贑T和MRI圖像融合步驟如下:1)對兩幅源圖像分別進行NSST分解,得到各自的高低頻分量。2)低頻部分采用基于引導濾波的加權平均融合方法;高頻子帶系數采用平均梯度、區域能量指導加權系數和絕對值取大相結合的融合規則。3)對低頻子帶和高頻子帶進行NNST逆變換,得到融合圖像。本文融合算法流程圖如圖2所示。

    2.2低頻融合規則

    低頻部分包含圖像的大部分能量,并且圖像中的信息都是存在相關性的,每個像素不是獨立的存在,像素在任何位置的像素點都能表現出很強的相關性,因此,不能對低頻部分進行簡單取最大值或加權平均。但加權平均法有消除部分噪聲、源圖像信息損失較少的優點。因此,頻部分采用基于引導濾波的加權平均融合方法,先將源圖像A的低頻分量作為引導濾波器的輸入圖像,源圖像B的低頻分量作為引導圖像。再將源圖像B的低頻分量作為引導濾波器的輸入圖像,源圖像A的低頻分量作為引導圖像。即O=guidedfilter(I,F,r,eps)(6)式中O為輸出圖像,I為輸入圖像,F為引導圖像,r為窗口半徑(本文取9)決定引導圖像的顯著性差異,eps為正則化參數(本文取0.01)決定經過引導濾波的圖像模糊度,一般來說,eps越大,圖像模糊得越厲害。用源圖像A,B的低頻分量分別減去各自的經引導濾波器的輸出圖像,得到其銳化圖像,再根據得到的銳化圖像的改進的區域拉普拉斯能量和(SML)來確定融合權值,則融合圖像的低頻子帶系數為。

    2.3高頻融合規則

    高頻子帶系數主要是源圖像的輪廓、細節及紋理等信息。人眼的視覺系統對像素不敏感,但對圖像的邊緣、方向和紋理信息敏感,區域能量保留圖像細節信息的同時也反映了圖像的相關性。區域能量越大,圖像的細節信息也就越豐富。圖像的平均梯度反映了圖像的清晰度,同時還反映出圖像對微小細節反差的表達能力和圖像的紋理變換特征。所以,本文針對高頻分量提出區域平均梯度、區域能量和改進的S函數[10]共同指導加權系數的融合規則。

    3實驗結果與分析

    3.1實驗環境與圖像選取

    實驗環境:電腦配置為LenovoXiaoXinI2000,操作系統為Windows7,實驗軟件為MATLAB。本文選取的是已經經過嚴格配準的三組CT和MRI圖像作為源圖像,三組圖像大小均為256×256。

    3.2實驗結果

    將本文算法與基于拉普拉斯金字塔(LP),基于引導濾波(GF),基于自適應稀疏表示的融合(ASR),基于壓縮感知融合(SA),基于卷積稀疏的形態成分分析融合(CSMCA)[11],這五種算法進行對比?;诶绽菇鹱炙惴ǖ姆纸鈱訑禐?,采用加權平均的融合規則,其他算法的。圖3(c)、圖4(c)、圖5(c)為LP融合算法的融合圖像,圖3(d)、圖4(d)、圖5(d)為GF融合算法的融合圖像,圖3(e)、圖4(e)、圖5(e)為ASR融合算法的融合圖像,圖3(f)、圖4(f)、圖5(f)為SA融合算法的融合圖像,圖3(g)、圖4(g)、圖5(g)為CSMCA融合算法的融合圖像。圖3(h)、圖4(h)、圖5(h)為本文算法的融合圖像。融合結果如圖3、圖4、圖5所示。3.3實驗分析從主觀評價來看,圖3(c)、圖3(d)、圖3(e)、圖3(g)存在圖像亮度不足的問題;圖3(f)在邊緣處出現偽影。圖4(c)、圖4(d)、圖4(e)、圖4(f)和圖4(g)融合圖像較暗,紋理不夠清晰;圖4(f)在邊緣處出現偽影。圖5(c)和圖5(e)的對比度不強,視覺效果不足;圖5(d)和圖5(g)的輪廓信息不完整。圖3(h)、圖4(h)、圖5(h)的融合圖像中可以看出,融合的圖像紋理清晰,細節信息較為豐富,視覺由表1可知,本文算法在第一組實驗和第三組實驗中,6個評價指標均優于其他5種算法,本文算法在第二組實驗中,僅有空間頻率略低于SA算法。

    4結束語

    由于醫學圖像在融合后會存在細節信息不夠清晰及信息丟失問題,結合NSST與引導濾波的特性,提出了一種基于NSST與引導濾波相結合的醫學圖像融合算法。該算法充分利用NSST方向選擇性強的特性,結合引導濾波保持邊緣特征的優勢,對低頻部分采用基于引導濾波的加權融合算法,對高頻部分采用平均梯度、區域能量指導加權系數的融合策略,很好地完成了CT與MRI圖像的融合。實驗結果表明:該算法有效的保留了圖像的細節信息,提高融合圖像的清晰度,避免融合圖像的信息丟失。不僅主觀上有較好的視覺效果,客觀評價中評價指標也有較好的結果,從而說明了該算法是一種較為有效的圖像融合算法。

    作者:石平霞 陳世國 丁冬冬 單位:貴州師范大學 物理與電子科學學院

    注:本文為網友上傳,不代表本站觀點,與本站立場無關。舉報文章

    0

    好文章需要你的鼓勵

    上一篇:鄉土樹種培育技術示范與推廣 下一篇:灰色關聯法在工程安全領域的應用

    你需要文秘服務嗎?

    提供一對一文秘服務,獲得獨家原創范文

    了解詳情
    期刊發表服務,輕松見刊

    提供論文發表指導服務,1~3月即可見刊

    了解詳情

    被舉報文檔標題:NSST與引導濾波醫學圖像融合算法分析

    被舉報文檔地址:

    https://wenmi.com/article/rbhrw406ltai.html
    我確定以上信息無誤

    舉報類型:

    非法(文檔涉及政治、宗教、色情或其他違反國家法律法規的內容)

    侵權

    其他

    驗證碼:

    點擊換圖

    舉報理由:
       (必填)

    發表評論  快捷匿名評論,或 登錄 后評論
    評論
    文檔上傳者
    推薦服務
    • 期刊發表

      提供論文發表指導服務,1-3月見刊,發表不成功不收費

    • 文秘服務

      為您提供一對一文秘咨詢服務,原創參考范文省時省力

    熱門推薦 更多>
    国产av无码一区二区三区
    <strike id="ir1tk"></strike>
  • <li id="ir1tk"><acronym id="ir1tk"></acronym></li>

    <listing id="ir1tk"><label id="ir1tk"></label></listing>
    <legend id="ir1tk"><noscript id="ir1tk"></noscript></legend>