欢迎来到天天文库
浏览记录
ID:34368149
大小:299.22 KB
页数:6页
时间:2019-03-05
《ghm多小波变换在医学图像融合中的应用new》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、万方数据第10卷第6期2010年12月潍坊学院学报JournaIofWeifangUniversityV01.10No.6Nov.20lOGHM多小波变换在医学图像融合中的应用。陈爽(青岛科技大学,山东青岛266061)摘要:多模态医学图像的融合是近几年兴起并且发展较快的一种新技术。它能将不同图像提供的互补信息综合在一起,在医学影像学和放射学领域中有着重要的应用价值。本文采用了GHM多小波成功的对不同模态的医学图像进行了融合。实验结果表明GHM多小波能够获得较好的融合效果。关键词:医学图像;GHM多小波;预滤波中图分类号:TP391文献标识码:A文章编号:1671—
2、4288I2010)06一0040一040引言图像融合技术的应用领域十分广泛,如医学、遥感、军事、计算机视觉及机器人技术等。图像融合就是利用各种成像传感器不同的成像方式,将两幅或多幅图像中的信息霎霆量一薹葡奠塑二蒸一嚣鏊蠹
3、望萤蓁解和二次多项式形式热平衡积分解比较一72—영"x万方数据第6期胨史tGHM多小渡变换在医学图像融合中的应用=[伽(£)·即(f),⋯,9r.1(£)]下。缈(t)=[咖(£),咖(£)。⋯,灶l(£)]丁,则p(f),缈(f)满足二尺度方程:Ⅳ一l2£一是2f一是驴罄斋卜斟耻鼬卜=削瞄陵q卜矗旨10卜击眨厄卜址L1,3厄jL_9,oJL_9
4、.一3厄JL_,(£)=∑c2.。,‘。(f一行)+C2..,I。(f—n)们n)=m),心,l+1)=,(字)(1)因为jl-(t)在所有整数点上为o。l‘z(f)只在整数点1上非0。在所有整数点和半整数点上式(1)可写为:厂(2行)=拳2(f)C2.,l,(2n+1)=,‘。(号)c2.,。+,‘,(丢)C2..+1‘。(号)C2..Q’系数C?刖C2..可由式(2)得到,考虑到如(£)的对称性,最终得。'‘-(1),(2行+1)一1‘。(告)[厂(2行+2)+,(2行)]C2..一—————————————兰——F—————————一jlz(1)声l(寺’(3
5、)%一絮铲如图l所示。c卜团c乙一卧匝)圈l2GHM多小波在医学图像融合中的应用图像的融合可以在3个不同层次上进行,即像素级的融合、特征级的融合以及决策级的融合。这里采用的是像素级的融合,这样就保留了尽可能多的信息。基于小波包的医学图像融合的算法如图2。一41一%印D=∑厄在=幻∽卜;k■叫l-1,0上万h万方数据潍坊学院学报20lO年12月卧图圈Z(1)将两幅图像先做预滤波,然后分别做GHM多小波变换,分解成不同频率段的子图像,代表了源图像中的各个特征分量。由于变换需要的是矢值信号,所以应先将原始图像转化为矢量图像,使之变成r×r的矩阵块,这个步骤是由预滤波器完成
6、的.称为预滤波。(2)对分解后的子图像分块处理,对高频和低频采取不同的融合算子进行运算,从而得到一系列新的图像。根据多小波的特点,选择取大平均法作为融合规则。一般认为,分解后的低频系数反映了图像的轮廓信息,而高频系数则反应了细节部分。根据这一规律,取大平均法的本质是对低频系数采用取大法,以增强信号的轮廓,对高频系数均值,已达到弱化,但又不丢失细节的目的。(3)由上一步可以得到一组新的多小波系数。最后做多小波逆变换,得到的图像就是融合后的图像。3实验结果与分析实验使用前面所提到的步骤进行,见图3,其中图3(a)和图3(b)分别是原始的图像,图3(c)为融合后的图像。图
7、3在信号处理领域,人们将传统的滤波器组推广至矢值滤波器组、块滤波器组,初步形成了矢值滤波器组的理论体系,并建立了它和多小波变换的关系。矢值滤波器组中处理的对象是矢值信号,在去除矢量之间相关性的同时,保持了矢量内部的相关性,所以它更适合于矢量量化。通常小波分析是把信号分解成低频al和高频dl两部分。在分解中。低频al中失去的信息由高频dl捕获。在下一层的分解中又将a1分解成低频a2和高频d2两部分,低频a2中失去的信息由高频d2捕获,以此类推,可以进行更深层次的分解。一般认为,图像的低频信息代表了图像的轮廓,而高频信息则含有细节的信息.因此采用小波分解的融合技术无疑丢
8、掉了,这部分细节。多小波同时可以满足对称性、短支撑性、高阶消失矩和正交性,而且有多通道滤波的优点。从这种意义上来讲,多小波比单小波应用更广泛。4结束语与传统小波相比.多小波在分解与重构过程中,需要涉及原始数据的预处理和重构数据的后处理.不同的预/后处理方法对多小波应用性能的影响非常大,根据实际应用需要选择相应最优的预/后处理方法是多小波应用的关键问题,也是值得进一步研究的问题。一42—万方数据GHM多小波变换在医学图像融合中的应用作者:陈爽,CHENShuang作者单位:青岛科技大学,山东,青岛,266061刊名:潍坊学院学报英文刊名:JOURNALOFWEIF
此文档下载收益归作者所有