云推理醫(yī)學(xué)圖像融合方法研究.pdf

1、本文研究了云推理醫(yī)學(xué)圖像融合方法。
　　 本文首先研究了一種云推理醫(yī)學(xué)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(guò)程中兼顧模糊性和隨機(jī)性。該方法利用隸屬云模型構(gòu)造多條件多規(guī)則云推理系統(tǒng)，通過(guò)劃分3個(gè)灰度區(qū)間和9個(gè)灰度區(qū)間兩種方法，并且依據(jù)最大值法的思想設(shè)定相應(yīng)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(jié)果圖像。通過(guò)本文方法與傳統(tǒng)模糊推理醫(yī)學(xué)圖像融合

2、方法的MATLAB實(shí)驗(yàn)仿真結(jié)果對(duì)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(xì)節(jié)清晰度。并且，與根據(jù)3個(gè)灰度區(qū)間設(shè)定規(guī)則的融合結(jié)果相比，根據(jù)9個(gè)灰度區(qū)間設(shè)定融合規(guī)則的方法得到的融合結(jié)果效果更好。
　　 其次，研究了一種云神經(jīng)網(wǎng)絡(luò)醫(yī)學(xué)圖像融合方法。該方法在傳統(tǒng)T-S推理的基礎(chǔ)上，將云模型引入傳統(tǒng)T-S模糊推理系統(tǒng)中，構(gòu)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(luò)的等價(jià)性

3、，根據(jù)誤差反向傳播算法訓(xùn)練RBF云神經(jīng)網(wǎng)絡(luò)各項(xiàng)參數(shù)，進(jìn)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(jié)果圖像。通過(guò)MATLAB實(shí)驗(yàn)仿真結(jié)果表明，與傳統(tǒng)T-S模糊推理醫(yī)學(xué)圖像融合方法相比，本文的云神經(jīng)網(wǎng)絡(luò)醫(yī)學(xué)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(xì)節(jié)清晰度。并且，由于參數(shù)訓(xùn)練優(yōu)化環(huán)節(jié)的存在，云神經(jīng)網(wǎng)絡(luò)醫(yī)學(xué)圖像融合方法與本文前一種云推理醫(yī)學(xué)圖像融合方法相比，其融合圖像