

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、本文研究了云推理醫(yī)學圖像融合方法。
本文首先研究了一種云推理醫(yī)學圖像融合方法。方法中引入了一種處理不確定性信息的人工智能方法--云推理,其云狀的隸屬函數(shù)可以更好的在處理過程中兼顧模糊性和隨機性。該方法利用隸屬云模型構造多條件多規(guī)則云推理系統(tǒng),通過劃分3個灰度區(qū)間和9個灰度區(qū)間兩種方法,并且依據(jù)最大值法的思想設定相應的推理規(guī)則。云推理系統(tǒng)的輸入是CT圖像與MRI圖像,輸出是融合結果圖像。通過本文方法與傳統(tǒng)模糊推理醫(yī)學圖像融合
2、方法的MATLAB實驗仿真結果對比表明,本文提出的融合方法是有效可行的,不但能夠更好的保留源圖像內(nèi)容,還能明顯提升信息量和細節(jié)清晰度。并且,與根據(jù)3個灰度區(qū)間設定規(guī)則的融合結果相比,根據(jù)9個灰度區(qū)間設定融合規(guī)則的方法得到的融合結果效果更好。
其次,研究了一種云神經(jīng)網(wǎng)絡醫(yī)學圖像融合方法。該方法在傳統(tǒng)T-S推理的基礎上,將云模型引入傳統(tǒng)T-S模糊推理系統(tǒng)中,構成T-S型云推理系統(tǒng)。利用T-S云推理系統(tǒng)與RBF云神經(jīng)網(wǎng)絡的等價性
3、,根據(jù)誤差反向傳播算法訓練RBF云神經(jīng)網(wǎng)絡各項參數(shù),進而可以將參數(shù)輸入用于融合處理的T-S型云推理系統(tǒng)中。推理系統(tǒng)的輸入是CT圖像與MRI圖像,輸出為融合結果圖像。通過MATLAB實驗仿真結果表明,與傳統(tǒng)T-S模糊推理醫(yī)學圖像融合方法相比,本文的云神經(jīng)網(wǎng)絡醫(yī)學圖像融合方法具備良好的融合性能,可以提高融合圖像的信息量與細節(jié)清晰度。并且,由于參數(shù)訓練優(yōu)化環(huán)節(jié)的存在,云神經(jīng)網(wǎng)絡醫(yī)學圖像融合方法與本文前一種云推理醫(yī)學圖像融合方法相比,其融合圖像
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 直覺模糊推理醫(yī)學圖像融合方法研究.pdf
- 利用直覺模糊推理的醫(yī)學圖像融合算法研究.pdf
- 醫(yī)學圖像融合方法的應用研究.pdf
- 醫(yī)學圖像配準與融合方法研究.pdf
- 醫(yī)學圖像融合方法的研究與實現(xiàn).pdf
- 基于DICOM標準的醫(yī)學圖像融合方法研究.pdf
- 醫(yī)學圖像配準和融合的方法研究.pdf
- 生物醫(yī)學圖像融合顯示方法的研究.pdf
- CT-MRI醫(yī)學圖像融合與顯示方法研究.pdf
- 醫(yī)學圖像融合技術.pdf
- 基于曲波變換醫(yī)學圖像融合方法的研究.pdf
- 基于對比度的醫(yī)學圖像融合方法研究.pdf
- 基于多尺度變換的醫(yī)學圖像融合方法研究.pdf
- 多模醫(yī)學圖像預處理和融合方法研究.pdf
- 醫(yī)學圖像融合技術研究.pdf
- 醫(yī)學圖像融合技術的研究.pdf
- 醫(yī)學圖像信息融合的研究.pdf
- 醫(yī)學圖像融合及融合質(zhì)量評價研究.pdf
- 融合SAE特征提取方法的醫(yī)學圖像檢索研究.pdf
- 基于融合的醫(yī)學圖像特征選擇和分割方法研究.pdf
評論
0/150
提交評論