醫(yī)學(xué)圖像融合技術(shù)研究.pdf

1、本文對(duì)醫(yī)學(xué)圖像融合的理論、方法和技術(shù)作了全面、細(xì)致的研究。首先對(duì)研究背景以及醫(yī)學(xué)圖像融合的有關(guān)概念、分類(lèi)及方法進(jìn)行了綜述，然后分別深入研究了單模醫(yī)學(xué)圖像的配準(zhǔn)、多模醫(yī)學(xué)圖像的配準(zhǔn)以及圖像信息的融合。對(duì)于單模醫(yī)學(xué)圖像的配準(zhǔn)，由于其來(lái)源于同一醫(yī)學(xué)圖像設(shè)備，故圖像間差別很小，可利用相關(guān)性測(cè)度來(lái)進(jìn)行配準(zhǔn)，本文選用了最小方差測(cè)度、標(biāo)準(zhǔn)化相關(guān)測(cè)度作為兩幅圖像間相似性準(zhǔn)則來(lái)估計(jì)變換參數(shù)，同時(shí)也使用了基于最大互信息的方法進(jìn)行配準(zhǔn)，并對(duì)配準(zhǔn)結(jié)果進(jìn)行了

2、比較分析。在配準(zhǔn)過(guò)程中，最優(yōu)化程序的選擇在很大程度上決定了配準(zhǔn)的速度和結(jié)果。這里我們采用梯度坡降法（gradient descent method）和Powell搜索算法相結(jié)合的方法，在很大程度上解決了局部極值的問(wèn)題，又克服了Powell搜索算法的效率差的問(wèn)題。由于經(jīng)小波變換后，圖像在不同分辨率上的細(xì)節(jié)信息不會(huì)互相干擾，融合圖像的塊狀偽影亦容易消除，因此，我們提出了基于小波變換的圖像融合方法：將待融合的原始圖像首先進(jìn)行小波變換，把其