基于稀疏表示的醫(yī)學圖像融合算法研究.pdf

1、隨著醫(yī)學成像設備的快速發(fā)展和普及，醫(yī)學影像技術已成為臨床醫(yī)學中檢查和診斷疾病必不可少的手段，然而單一模態(tài)的醫(yī)學圖像所提供信息存在一定局限性，為此，學者們提出了醫(yī)學圖像融合。醫(yī)學圖像融合是將不同模態(tài)醫(yī)學圖像之間各自優(yōu)勢進行相互融合，彌補單一模態(tài)的醫(yī)學圖像的局限性，從而在單幅醫(yī)學圖像中更加直觀地提供人體解剖結構、生理狀況及病理特性等信息。由于稀疏表示能夠提取少數特征用于表示圖像全部信息，因此本文將稀疏表示理論與圖像融合技術相結合，并進行深入

2、研究，主要內容如下:
　　1)針對醫(yī)學圖像復雜多樣性特點，提出一種基于在線字典學習的自適應醫(yī)學圖像融合算法。首先利用在線字典學習算法訓練源圖像的過完備字典，提高圖像特征提取的自適應能力;然后利用OMP算法對源圖像進行稀疏表示得到稀疏編碼，降低了融合數據維度;再根據源圖像之間稀疏編碼的能量差異程度和梯度差異程度自適應調整融合規(guī)則，若能量差異程度大于梯度差異程度，則根據能量取大規(guī)則融合稀疏編碼，反之，根據梯度取大規(guī)則融合稀疏編碼;最后

3、將融合后的稀疏編碼與過完備字典進行重構得到融合圖像。實驗結果表明:與多尺度幾何分析、K奇異值分解等圖像融合算法比較，本文算法融合的圖像客觀評價指標信息熵、邊緣評價因子均有所提高，主觀上紋理清晰、對比度高，能夠較好的保留源圖像邊緣信息。
　　2)針對ROMP算法在壓縮感知重構中需預估稀疏度導致重構精度不穩(wěn)定的問題，提出一種改進的ROMP算法。由于觀測信號能夠繼承原始信號特征，在選擇候選集原子過程中引入自適應弱選擇標準，依據觀測信號的

4、信息量設定弱選擇標準，實現稀疏度自適應調整。將該算法應用于壓縮感知框架下的醫(yī)學圖像融合，并提出一種結合觀測信號結構相似度的融合規(guī)則，當待融合的觀測信號之間結構相似度較高時，說明待融合的原始信號之間同樣具有相似性，以兩者信息量的加權作為融合規(guī)則。同理，當待融合的觀測信號結構相似度較低時，選擇信息量較大的觀測信號作為融合后的觀測信號。實驗結果表明:改進ROMP算法的重構圖像質量優(yōu)于OMP、ROMP、SAMP等算法，其峰值信噪比提高了6％左右