压缩传感及其在医学图像融合中的应用.pdf

《压缩传感及其在医学图像融合中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年第32卷第9期传感器与微系统(TransducerandMicrosystemTechnologies)149压缩传感及其在医学图像融合中的应用陈柘，钟晓荣，张晓博(长安大学信息工程学院，陕西西安710064)摘要：为适应压缩传感成像技术的发展，降低融合运算对计算资源的需求，提出一种压缩传感域医学图像融合方法。算法利用双树复数小波变换具有的近似平移不变性、多方向的特性，以其作为稀疏分解基对图像做稀疏分解；分解后得到的系数，经由随机抽取哈达码块矩阵生成观测矢量；对得到的随机观测矢量，采用加权平均的方法进行融合

2、；再经梯度投影重构生成融合图像的小波分解系数；最后，由逆双树复数小波变换生成融合后的图像。实验结果表明：所提算法可获得好的融合质量，并提高融合计算效率。关键词：医学图像融合；压缩传感；梯度投影；双树复数小波变换中图分类号：TP391文献标识码：A文章编号：1000-9787(2013)09--0149--04，、_●'‘·l●·‘●1●’●^‘ompressedsensmganditsapplicationlnmedlca1imageIus

3、OnCHENZhe，ZHONGXiao—rong，ZHANGXiao—bo(

4、SchoolofInformationEngineering，Chang’anUniversity，Xi’an710064，China)Abstract：Inordertoadapttodevelopmentofcompressedsensingimagingtechnology，andreducerequirementoffusionarithmeticoncomputationalresources，amedicalimagefusionalgorithmincompressedsensingdomainispr

5、oposed．Owingtothepropertiesofdualtreecomplexwavelettransform(DT—CWT)，suchasnearlytranslationinvarianeeandmuhi—direction，theDT-CWTisusedassparsebasisinimagedecomposition，thenafterdecomposition，thecoeficientsaremeasuredbyscrambledblockHadamardmatrixtoproduceobser

6、vedvector，andtheobservedVectorsarefusedbyweightaveraging，thenwaveletcoeficientsoffusionimageareobtainedbygradientprojectreconstruction．Finally，inversedualtreecomplexwavelettransformisperformedtoproducefusedimage．Experimentalresultsshowthattheproposedalgorithmca

7、nobtaingoodfusionqualityandatmeanwhileimproveeficiencyoffusioncomputation．Keywords：medicalimagefusion；compressedsensing；gradientproject；dualtreecomplexwavelettransform0引言率的频率对信号采样。该理论方法利用随机观测矩阵将稀医学图像融合是借助计算机技术将不同传感器生成的疏信号或可压缩信号从高维空间投影到低维空间，而后通多幅影像进行合成的过程，其目的是为了

8、利用不同成像设过求解最优化问题重构原始信号。压缩传感理论为信号处备对人体生理组织的不同表现，经合成后，使得生理病灶表理领域的研究带来了新的突破。随着压缩传感的深入研现地更突出。例如：计算机层析(computertomography，CT)究，目前已经出现了单像素相机。未来的图像数据更多地图像和核磁共振图像(magneticresonanceimaging，MRI)是将以稀疏或压缩传感的形式存在，图像融合将面对是经稀2种常用的医疗诊断图像。CT图像反映了人体组织对x疏重构后融合还是直接在压缩传感域融合的问题。在压缩射线

9、的吸收系数，具备很高的空间分辨率，有利于观测人体传感域融合带来的好处是无需图像的原始信息，直接在观的骨骼结构。而MR图像反映了人体组织的质子密度，可测数据上做融合处理；其次，由于低的采样率，可以有效降以清晰地展现人体软组织，所以，两者的融合可以带来更好低图像融合过程对数据存储、运算速度等计算资源的要求，的疾病诊断和定位信息。同时，缩短融合处理所