基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合.pdf
《基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合.pdf》由会员分享,可在线阅读,更多相关《基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合.pdf(7页珍藏版)》请在咨信网上搜索。
1、收稿日期:;修回日期:基金项目:甘肃省科技计划资助项目();国家自然科学基金资助项目(,);甘肃省杰出青年基金资助项目()作者简介:邸敬(),女,甘肃兰州人,副教授,硕士,主要研究方向为图像检测识别、信号处理技术和宽带无线通信;郭文庆(),男(通信作者),甘肃武威人,硕士研究生,主要研究方向为图像融合();刘冀钊(),男,甘肃兰州人,副教授,博士,主要研究方向为混沌电路;廉敬(),男,甘肃兰州人,副教授,博士,主要研究方向为人工智能、模式识别;任莉(),女,甘肃嘉峪关人,硕士研究生,主要研究方向为图像融合基于 域滚动引导滤波与自适应 的医学图像融合邸敬,郭文庆,刘冀钊,廉敬,任莉(兰州交通大学
2、 电子与信息工程学院,兰州 ;兰州大学 信息科学与工程学院,兰州 )摘要:针对传统 和 医学图像融合后存在边缘轮廓模糊、纹理细节丢失等问题,提出基于 域结合相位一致性滚动引导滤波与改进参数自适应双通道 的图像融合方法。首先,采用相位一致性滚动引导滤波对 源图像进行增强,提高骨骼轮廓结构清晰度。然后,通过 变换分解增强后的 和 源图像得到低频子带和高频子带。低频子带系数采用改进参数自适应双通道脉冲耦合神经网络融合策略,明显改善了软组织的纹理细节模糊效果;高频子带系数采用加权求和修正拉普拉算法融合,提升了融合后图像的细节、纹理等信息。最后,通过逆 变换重构出融合图像。通过五组对比实验表明,所提方法
3、的 、以及 客观评价指标分别平均提高了 、,说明该融合方法在处理纹理细节、边缘轮廓、结构相似性以及图像像素方面性能更好。关键词:医学图像融合;非下采样轮廓波变换;相位一致性;滚动引导滤波;自适应双通道脉冲耦合神经网络中图分类号:文献标志码:文章编号:():,(,;,):,()(),(),:;引言现代医学影像设备为人体各个部位提供了多种病灶图像,如计算机断层扫描()、核磁共振成像()等,图像对骨、钙化、增强血管等成像有亚毫米级的分辨率,图像对关节软骨、软组织成像较清晰,有利于确定病灶区域。为从单模态医学图像中获得更丰富的信息,多模态医学图像融合被广泛用于临床分析,实现对病灶部位准确、全面的描述
4、。近年来,多尺度变换在医学、红外和多聚焦图像融合中被广泛应用 ,。最早的基于多尺度变换模型是金字塔变换,随后又提出小波变换 ,目前最为流行的是非下采样轮廓波(,)、非下采样剪切波(,),、离散小波 和剪切波 。文献 提出医学、红外和多聚焦图像融合算法,该算法利用 作为分解工具进行融合,但其过程存在伪影。文献 提出一种基于 域内稀疏表示的算法,在该框架下,低频子带利用稀疏表示法处理,造成融合图像细节信息丢失严重。文献 提出一种基于 域脉冲耦合神第 卷第 期 年 月计 算 机 应 用 研 究 经网络(,)的算法,该算法高频是将空间频率和参数自适应 组合,从整体来看融合结果图具有很好的视觉效果,但边
5、缘保留较差。近年来,一些学者通过研究滤波器模型得出滤波器在处理融合图像边缘和轮廓结构具有很好的效果,如引导滤波 、滚动引导滤波、梯度与导向滤波等,已在图像融合领域取得较为满意的结果。文献 提出基于滚动引导滤波的融合算法,该算法具有良好的边缘保护性,且能实现细节处理,相比于传统的多尺度分解方法具有更好的性能。文献 提出了基于滚动引导滤波与显著性检测的分解方法,该算法将图像分解为基础层、显著层和基层,通过对基础层、显著层和基层进行系数融合,使融合后的结果图在纹理边缘方面处理较好。文献 提出快速引导滤波融合框架,在处理图像的过程中,没有过多地考虑与源图像结构的差异,所以部分边缘会出现轮廓模糊现象。针
6、对医学图像纹理信息缺失、边缘和轮廓特征模糊等问题,本文提出一种 域相位一致性滚动引导滤波(,)与改进双通道 的医学图像融合算法。该算法使用 对已配准 源图像进行预处理,提高骨骼区域清晰度;改进双通道 重新定义了链接输入、阈值设置以及权值矩阵,充分提取低频子带的细节信息和轮廓特征信息;高频融合使用改进八邻域加权求和修正拉普拉斯(,)算法,提高了相邻像素的相关性。最终获得了较好的医学融合图像。数学模型 非下采样轮廓波变换 分解过程如图 所示。第一层通过非下采样金字塔滤波器组()对配准图像分解得到低通子带图(,)和带通子带图(,);第二层则是对第一层得到的 继续分解,但是通过第一次分解得到的数据特征
7、信息与源图像最为相近。同时,用非下采样方向滤波器()将通过 分解获得的 像进行分解。由两个单通道的滤波器组成,它的功能是实现在图像中多个方向的分解 ,根据平移特性和不变特性可知,每个尺度下子图和上一层原分解图的大小保持不变。图 变换分解模型 双通道脉冲耦合神经网络脉冲耦合神经网络由 等人 ,提出,它是一种类似于小型哺乳动物视觉皮层神经系统的反馈型网络。模型与其他神经网络相比有较大优势,可以不用训练测试数据,自身可以找到相似的特征信息。模型较人工神经网络模型更能满足人眼视觉特性,同时 模型算法在现在的生物学领域内具有更好的合理性和可解释性 。双通道脉冲耦合神经网络模型如图 所示。图 双通道脉冲耦
8、合神经网络模型 ()()()()()()()(),()()()(),()()()()()()()()()()()其中:、为外部输入激励;、和 表示神经网络的反馈和输入链接强度;和 为衰减时间常数;、为神经元与周围连接的尺度和方向;和 ,为连接输入的放大系数和神经元加权矩阵;和 为神经元的输出与内部活动项。滚动引导滤波基于滚动引导滤波预处理图像,在尺度测量下完全控制细节平滑,与其他保边滤波器相比,滚动引导滤波是通过迭代实现的,具有快速收敛性,且算法可以自动保存模块较大的结构。滚动引导滤波的两个主要步骤是将模块较小的结构过滤和恢复图像边缘轮廓 。滚动引导滤波具体流程如图 所示。图 滚动引导滤波流程
9、 )用高斯滤波模型移除源图像中较小的结构。为输入 源图像,为去除小结构后的 图像,是高斯滤波模型的均方差,和 是图像中像素坐标数值。过滤器如下:()()()()()其中:()();()表示以 为中心,以高斯滤波器窗口为大小采集相邻像素的像素集。)采用联合双边滤波器对图像边缘进行迭代恢复。首先,将 设为高斯分布的输出滤波,是使用输入 和 的联合双边滤波 次迭代的输出。()()()()()()其中:()()()用于归一化;表示式()中相同的输入图像;和 控制着空间权重和范围权重。第 期邸敬,等:基于 域滚动引导滤波与自适应 的医学图像融合 改进融合算法 融合流程 在处理图像纹理边缘有较好的效果,对
10、图像轮廓信息具有较强的处理能力,这两种多尺度分解方法具有互补特性,所以将 和 相结合可以有效保留图像纹理边缘和轮廓细节信息。本文提出的基于 域 与改进参数自适应双通道 算法的图像融合流程如图 所示,具体融合步骤分为以下五步:)输入源图像,其中源图像 、分别为 和 图像;)利用 算法对 源图像增强,得到预处理图像;)用 分解经 增强的 图像与 源图像,得到高频子带和低频子带系数;)利用加权求和修正拉普拉斯算法和改进参数自适应双通道 分别进行高、低频子带融合;)利用逆 变换,得到融合后的医学图像。图 基于 域 与自适应双通道 算法流程 改进滚动引导滤波医学图像在成像时由于设备的影响存在着图像整体偏
11、暗,细节纹理丢失等现象。本文在 分解源图像之前对医学图像进行预处理,适当地提高图像亮度,同时增强图像轮廓的清晰度。图像预处理常见方法有滚动引导滤波、双边滤波以及引导滤波等。双边滤波无须收敛,但滤波后的图像会出现模糊块,其算法时间和空间运行效率与窗口大小无关,在处理尺寸较大的图像时,其运算复杂度低、效率高,但是会出现光晕效应,而且会带有梯度反转;引导滤波对处理边缘有很好的效果,但是仅能够保持线性运算;滚动引导滤波不同于双边滤波与引导滤波,它通过迭代实现,具有快速收敛性,而且保留其他内容的同时删除小规模结构,在医学图像融合领域有广泛应用。从式()可以看出,滚动引导滤波中权重因子 的值将直接影响融合
12、后图像的信息量,在传统滚动引导滤波中,根据实验人工获取参数,会使源图像的边缘信息不能被最大程度地提取出来,会使图像边缘出现伪影。本文提出一种相位一致性滚动引导滤波(,)算法。在几何意义下,相位一致性是与局部傅里叶分量到达终点时的总路径长度之比。因此,相位一致性的程度与整个信号的幅度无关,这说明了该算子拥有良好的鲁棒性。通过相位一致性处理权重因子,可以更进一步提高融合图像边缘信息的清晰度。具体过程如下:()()()()其中:()为第 个像素处的值;()为以像素 为中心的相邻值;为调节系数,本文设置为 ,以防止分母出现零的情况。其相位一致性可以表示为()()?()()()()其中:()表示滤波器频
13、率的权重函数;()表示第 个傅里叶分量的幅值,最大值为 ;为噪声强度阈值;为常量;?为括号内的值大于零时为原值,否则为零;()表示相位偏移函数,即()()()()()()其中:()为 处的第 个傅里叶分量相位值;()是当()的值最大时,所在像素处傅里叶项的振幅加权平均局部相位角。然后将 ()代入式(),可得到式():()()()()()()低频子带的融合低通子带包含了 和 图像中较多的细节信息,由于人眼视觉神经系统对图像整体的纹理相比于单个像素点更具有吸引力,所以采用在处理细节信息方面较好的自适应双通道 算法作为低通子带融合方法。简化的双通道 模型将单个像素作为神经元的刺激,不能保证细节信息的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 NSCT 滚动 引导 滤波 自适应 PCNN 医学 图像 融合
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。