基于多尺度分析的医学图像配准与融合方法研究

论文摘要

随着成像技术的快速发展,医学图像处理作为现代医疗不可或缺的一部分,其应用贯穿整个临床工作,广泛应用于疾病诊断、外科手术和放射治疗等的计划设计、方案实施以及疗效评估等方面。由于多种成像模式提供的信息具有互补性,为了综合使用多种成像模式以提供更全面的信息,需要将有效信息进行整合。空间的各向异性限制了信息在不同尺度下的传输能力,因此集成和分析不同分辨率的图像数据成为一个重要的研究课题。本文借助多尺度分析为手段,研究医学图像配准与融合过程中医学图像的增强、插值、配准、融合和分割等关键问题的理论方法研究,扩展了尺度的含义,使其不再局限在通常的小波分析和形态学两个方面。论文主要完成了如下的工作:1、对医学图像增强的研究现状进行了综述,提出了一种基于滤波器的图像分解方法,并对这种图像分解方法的各种变体进行了讨论和设计,其中重点设计了一种多尺度的图像滤波器分解方法,然后提出了一种基于多尺度滤波器分解的医学图像增强方法。实验结果验证了本文方法的有效性。2、提出了一种基于小波分解相似性分析的图像插值方法。该方法通过计算小波分解后相邻两层分量之间的相似度,推出插值结果的各个高频分量,在将原始低分辨率图像作为插值结果的低频成分后,通过小波逆变换得到最终的插值结果。实验结果验证了本文所提方法的有效性和优势。3、从实际应用的角度,探讨了经验模式分解具体的实现过程。从实现的角度,探讨了边界污染和极值点搜索等问题,最后将经验模式分解应用在医学图像的配准中。配准的思路是:将经验模式分解得到的各个固有模式分量按照从粗到细的顺序采用最大互信息法进行逐层配准。这种方法减少了同名点的个数,并能一定程度上提高配准的精度。在此基础上,论文提出了一种基于EMD的图像插值方法,并提出一种基于EMD图像层间的配准方法,该方法首先在低层上粗配准,在高层上精配准。将本文方法应用于MRI图像和PET图像的配准,实验结果验证了本文方法的优良性能。4、结合小波分解提出了一种基于小波变换和方向梯度的医学图像融合方法。该方法的基本过程是在将配准的待融合图像进行小波分解后,在各个分量上采取不同的融合方法,即在低频成分上采用局部能量作为融合特征,而在三个不同方向的高频分量上,分别选择不同方向的梯度算子作为融合的依据,实验结果表明本文方法不仅具有良好的视觉效果,并且在客观指标上也具有一定的优势。5、对现有的医学图像分割方法进行了综述,在此基础上,引出了多尺度局部特征的概念,将需要融合的图像进行分割,提取感兴趣区域,然后对感兴趣区内外采用相应的融合策略,得到融合结果。方法的关键在于如何给出精准的分割结果。从多尺度的角度,构造医学图像的局部特征,提出了一种多尺度局部特征驱动的区域性的分割方法,最后将其用于感兴趣区的医学图像融合。实验结果表明,本文方法在主观评价和客观指标上都表现出一定的优势。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 医学图像处理的意义
• 1.2 多尺度图像处理技术
• 1.3 医学图像增强技术
• 1.4 医学图像配准技术
• 1.5 医学图像融合技术
• 1.6 医学图像分割方法
• 1.7 本文的工作和内容安排
• 2 基于多尺度滤波器分解的图像增强
• 2.1 概述
• 2.2 多尺度滤波器图像分解
• 2.3 基于多尺度滤波器图像分解的图像增强
• 2.4 实验结果及分析
• 2.5 关于滤波器图像分解的思考
• 2.6 小结
• 3 基于小波分解相似性分析的图像插值方法
• 3.1 引言
• 3.2 图像插值
• 3.3 小波变换
• 3.4 基于小波分解相似性分析的图像插值
• 3.5 实验结果及分析
• 3.6 小结
• 4 经验模式分解在图像配准中的应用
• 4.1 医学图像配准
• 4.2 经验模式分解
• 4.3 基于经验模式分解的图像配准
• 4.4 实验结果及分析
• 4.5 小结
• 5 基于小波变换和方向梯度的图像融合
• 5.1 图像融合
• 5.2 图像融合的基本方法及评价准则
• 5.3 基于小波变换及方向梯度的图像融合
• 5.4 实验结果及分析
• 5.5 小结
• 6 基于多尺度局部特征分割的图像融合
• 6.1 医学图像分割
• 6.2 基于多尺度局部特征的图像分割
• 6.3 基于多尺度局部特征分割的图像融合
• 6.4 实验结果及分析
• 6.5 小结
• 7 总结与展望
• 7.1 全文工作总结
• 7.2 本文创新点
• 7.3 进一步工作展望
• 致谢
• 参考文献
• 附录 作者在攻读博士学位期间发表的论文目录