2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩63頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著醫(yī)學(xué)影像學(xué)和計(jì)算機(jī)技術(shù)的迅速發(fā)展,多種先進(jìn)的醫(yī)學(xué)成像設(shè)備為臨床診斷提供了多種模態(tài)的醫(yī)學(xué)影像信息。不同模態(tài)的醫(yī)學(xué)圖像能夠顯示人體臟器和病變組織不同特性的信息。多模態(tài)醫(yī)學(xué)圖像融合就是將圖像融合技術(shù)應(yīng)用于醫(yī)學(xué)影像,對(duì)來(lái)源于不同醫(yī)學(xué)成像設(shè)備的醫(yī)學(xué)圖像,經(jīng)過(guò)融合處理,得到新的包含有更多信息的醫(yī)學(xué)圖像,從而為臨床診斷提供更為豐富的病理信息。 本文主要探討了基于多分辨技術(shù)的醫(yī)學(xué)圖像融合方法。介紹了高斯金字塔、拉普拉斯金字塔、對(duì)比度金字塔、

2、梯度金字塔和小波金字塔在圖像分解與重構(gòu)中的原理及其融合算法,重點(diǎn)討論了基于小波變換的圖像融合方法,并提出了利用區(qū)域特性量測(cè)的選擇及加權(quán)融合算子的新的融合規(guī)則。本文利用上述圖像融合方法,分別對(duì)兩組CT和MR圖像(腦部腫瘤圖像和腦部解剖圖像)進(jìn)行融合,取得了良好的融合效果。此外,圖像配準(zhǔn)是圖像融合基礎(chǔ),本文對(duì)醫(yī)學(xué)圖像配準(zhǔn)也做了一些初步探討,采用基于互信息技術(shù)的圖像配準(zhǔn)方法對(duì)兩組待融合圖像進(jìn)行了嚴(yán)格配準(zhǔn),且配準(zhǔn)精度能夠達(dá)到像素級(jí)圖像融合的要求

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論