基于混沌遗传算法和contourlet变换的医学

基于混沌遗传算法和contourlet变换的医学

ID:22909692

大小:72.50 KB

页数:13页

时间:2018-11-01

基于混沌遗传算法和contourlet变换的医学_第1页
基于混沌遗传算法和contourlet变换的医学_第2页
基于混沌遗传算法和contourlet变换的医学_第3页
基于混沌遗传算法和contourlet变换的医学_第4页
基于混沌遗传算法和contourlet变换的医学_第5页
资源描述:

《基于混沌遗传算法和contourlet变换的医学》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于混沌遗传算法和contourlet变换的医学【摘要】  目的:改善传统医学图象融合方法对细节信息的丢失.方法:利用contourlet的多尺度、方向性和各向异性等优点,提出了一种基于局域特性匹配度融合的改进算法.首先对原图进行contourlet分解,对分解各子带构造局域特征的匹配度,设定匹配度的阈值,对匹配度在不同阈值范围内的系数进行不同的加权融合;最后对融合系数进行contourlet逆变换得到融合图像.在阈值的选取上,引入混沌遗传算法求解阈值的全局最优解.结果:运用传统小波变换和本文提出对方法对两组医学图象进行融合处

2、理,客观评价参数表明本文提出的算法效果更优.结论:该算法能够在保有原图信息的同时,有效的增强细节信息.【关键词】contourlet医学图像图像融合遗传算法  【Abstract】AIM:Toimprovethetraditionalimagefusionalgorithminordertoavoidthelossofthedetailedinformationintheprocesseofimagefusion.METHODS:Utilizingthecontourletsadvantagesofmultiscale,di

3、rectionalityandanisotropy,anadvancedimagefusionalgorithmbasedoncharacteristicmatchingofregionstatisticsincontourletdomainagesedintocontourletdomain.Then,atchingofeachsubbandandsetathresholdforit.Thecoefficientsatchingageation.Chaosgeicalgorithmizefusionimagebysearch

4、ingoptimalsolutionofthethresholdofcharacteristicmatching.RESULTS:Theparisonbetethodandthatoftheproposedmethodshoethodcaneffectivelypreservetheinformationofthesourceimagesandenhancethedetailsofthefusedimage.  【Keyedicalimage;imagefusion;geicalgorithms  0引言  传统的医学图像融合

5、算法多采用基于小波变换,小波系数加权平均,或者阈值法融合,但二维可分小波仅能捕捉有限的方向信息,不能稀疏的表示含线或者面奇异的二维图像[1-3].Do等[4]提出了一种稀疏的图像二维表示方法:contourlet变换.该变换的“各向异性(anisotropy)”使得它能比小波变换更好的表现边缘特征,更加适合用来进行图像的处理[5].并且小波变换下的传统方法有很大的局限,比如加权平均法中加权因子和基于特征匹配度融合方法中的阈值大小都不易确定[6].本文提出了一种新的基于匹配度融合算法:在contourlet变换多方向的优势下,阈

6、值的确定采用混沌遗传算法.混沌遗传算法是近年提出的一种优化算法,能够有效的防止遗传算法的“早熟”问题,使得遗传算法能够以更快的速度收敛,得到阈值的全局最优解.  1材料和方法  1.1材料选用两组融合图象,一组为实验标准图象,另一组为腰椎冠状位的MRI-T1和MRI-T2成像,编码格式为DI,于西安红十字会医院磁共振室.  1.2方法  1.2.1contourlet变换原理contourlet变换也称塔型方向滤波器组(pyramidaldirectionalfilterbank,PDFB).contourlet变换将多尺度分

7、析和方向分析分拆进行:用拉普拉斯塔形滤波器结构(laplacianpyramid,LP)对图像进行多分辨率分解.首先产生原始信号的一个低通采样逼近及原始图像与低通预测图像之间的一个差值图像,对得到的低通图像继续分解得到下一层的低通逼近和差值图像.如此逐步滤波得到图像的多分辨率分解.而后应用二维方向滤波器组(directionalfilterbank,DFB)对分解得到的每一级高频分量在任意尺度上再分解得到个方向子带,将分布在同方向上的奇异点合成为一个系数.图1A给出了离散Contourlet变换的滤波器组结构.原始图像经PDF

8、B结构分解得到一个低通图像和分布于多尺度多方向上的高频分量.图1B为Contourlet频域分解图实际应用中方向数随着尺度增大而增多.  A:滤波器组结构图;B:频率分解图.  图1contourlet变换(略)  1.2.2图像融合框架本文的融合方法的改进之一就是将cont

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。