检索历史 清除

摘要本文基于形态学梯度、归一化互信息、小波包和自适应算子等理论方法，结合临床实践的需求，对多模态医学图像的配准与融合问题进行了较为深入的研究和探讨。主要工作如下： (1)首先研究了医学图像的配准问题。在此研究中，针对互信息配准方法存在的局部极值和运行时间长等问题，提出了基于形态学梯度和互信息的医学图像配准新方法，该方法通过归一化互信息和形态学梯度的有机整合，有效改善了传统互信息配准方法中的局部极值问题，并大大缩短了图像配准的时间。在MATLAB环境下对计算机X射线断层造影成像，核磁共振成像，单光子发射型计算机断层成像三种模态的医学图像进行仿真研究，结果表明：本文提出方法的配准精度和运行速度优于传统的互信息配准方法，而且噪声对配准结果的影响明显减弱。 (2)在医学图像配准研究的基础上，对多模态医学图像的融合问题进行了较为细致的研究，提出了基于小波包变换和自适应算子的医学图像融合方法。该方法首先对图像进行小波包分解，然后采用自适应算子对分解后的子图像进行处理，最后经过小波包重建，得到融合图像。小波包变换能够将图像频带进行多层次划分，并且对小波变换没有细分的高频部分进一步分解，从而提高了频率分辨率；自适应算子可以根据图像的具体情况自动调整融合规则的权重系数，避免了设置固定权重系数所造成的误差。在MATLAB环境下，采用拉普拉斯金字塔变换、小波变换、小波包变换三种融合方法进行仿真实验，并采用平均梯度、均值、标准差、信息熵和相关系数作为评价标准对三种融合方法进行综合评价。结果表明：本文提出的基于小波包变换和自适应算子的医学图像融合方法所得到的图像融合效果，明显优于拉普拉斯金字塔变换和小波变换等图像融合方法。 最后，对全文进行了总结，并对下一步的研究工作进行了展望。