一种基于非下采样剪切波变换的医学图像配准方法
基于非下采样Contourlet变换的多模态医学图像融合
基于非下采样Contourlet变换的多模态医学图像融合程钢;李玮琳;李丽【摘要】基于非下采样Contourlet变换,对配准后的原始图像进行非下采样Contourlet分解后,采用区域能量比加权法进行低频分量的融合,用平均梯度和局部区域能量相结合的方法来制定高频分量.实验结果证明,本方法可以更多地继承原始图像特征,细节信息更饱满.【期刊名称】《长春工业大学学报（自然科学版）》【年(卷),期】2018(039)003【总页数】5页(P248-252)【关键词】医学图像融合;非下采样Contourlet变换;平均梯度;区域能量【作者】程钢;李玮琳;李丽【作者单位】长春工业大学人文信息学院信息工程系,吉林长春130022;长春工业大学机电工程学院,吉林长春 130012;长春工业大学人文信息学院信息工程系,吉林长春130022;长春工业大学人文信息学院信息工程系,吉林长春130022【正文语种】中文【中图分类】TN911.730 引言进入21世纪以来，随着时代的进步，医疗水平突飞猛进的发展，医学上出现了多种医学影像成像系统，多模态医学图像的产生，提供了多个角度对同一病变部位不同的医学信息。
磁共振成像(Magnetic Resonance Imaging， MRI)有利于显示软组织，可对病灶范围进行分离，但缺少刚性的骨组织作为定位参照。
计算机断层扫描技术(Computed Tomography， CT)可以对病变部位进行准确定位，空间分辨率高，有利于显示骨骼特征，不利于对病灶区域软组织病变的突显。
磁共振血管成像(Magnetic Resonance Angiography， MRA)的侧重点在于可以更直观显示有关血管的各项属性。
图像融合将各种模态的图像信息融合到一起，实现多信息可视化，对医学研究及病灶的治疗都具有广泛的实用价值[1-2]。
小波变换能够对图像实施多尺度、多方向，多分辨率分解，以小波变换理论为基础的图像融合，融合后图像效果更具实用价值，是很多专家学者在医学图像融合方面的研究热点之一。
非下采样剪切波变换
非下采样剪切波变换非下采样剪切波变换（Nonsubsampled Contourlet Transform，简称NSCT）是一种多尺度、多方向的图像处理算法，主要应用于图像去噪、图像增强和图像压缩等领域。
NSCT的特点是能够提取图像的轮廓信息，保持图像的边缘信息不失真，从而达到更好的图像处理效果。
NSCT的步骤如下：1. 将原始图像进行对称扩展，以保证处理后得到的图像大小与原始图像大小相同。
2. 对扩展后的图像进行多尺度分解，将其分解为不同尺度的图像金字塔，每个尺度由低频分量和高频分量组成。
3. 在每个尺度下，对高频分量进行多向量量化（contourlet）分解，将其分解为不同方向上的子带，每个方向上的子带由不同的小波基组成。
4. 对每个方向上的子带进行阈值处理，将小于一定阈值的系数置为0，从而实现去噪和压缩的效果。
5. 对经过阈值处理后的系数进行重构，得到压缩后的图像。
NSCT的主要优点是能够提高图像的空间分辨率和频率分辨率，在处理图像边缘信息时有很好的效果。
此外，由于NSCT是一种无下采样的算法，因此在处理图像时不会损失任何信息。
NSCT的应用范围非常广泛，主要应用于图像处理、图像压缩和图像恢复等领域。
例如，在医学图像处理中，NSCT可以对医学图像进行边缘检测和轮廓提取，从而提高医学图像的诊断准确度；在视频处理中，NSCT可以对视频进行压缩和去噪，从而提高视频传输的效果。
非下采样剪切波变换是一种高效的图像处理算法，具有很好的图像增强效果和压缩效果。
在不同领域的应用中，NSCT能够提高图像的质量和分辨率，从而在图像处理中发挥重要的作用。
随着图像处理技术的发展，NSCT的应用前景将越来越广泛。
非下采样剪切波域抗错性尺度不变的遥感图像匹配算法
非下采样剪切波域抗错性尺度不变的遥感图像匹配算法刘志强; 朱立谷【期刊名称】《《中国传媒大学学报（自然科学版）》》【年(卷),期】2018(025)004【总页数】10页(P32-41)【关键词】非下采样剪切波变换; 遥感图像; 匹配【作者】刘志强; 朱立谷【作者单位】中国传媒大学计算机学院北京 100024【正文语种】中文【中图分类】TP7511 引言图像匹配是指将两幅或多幅图像进行比较[1]，找到它们的共有景物。
遥感图像匹配在军事和民用方面都具有重要的价值，但由于高分辨率遥感图像信息量巨大，一般都有几何畸变、地貌特征变化、地面杂波混入等影响，所以遥感图像匹配更加困难。
随着计算机技术的不断发展，图像匹配速度有很大程度上的提高，自动的归纳图像匹配技术弥补了人工方法的不足，已经被广泛地应用于遥感图像匹配处理领域。
过去几十年中，各种图像匹配算法相继出现[2-4]，且人们在结合许多数学理论和方法后不断提出新的匹配算法，一般可分为基于灰度的匹配和基于特征的匹配。
基于灰度的匹配方法直接根据图像的灰度定义参考图像和待匹配图像之间的相似性度量。
这些基于灰度的匹配算法计算简单、易于实现，但是对图像畸变的适应能力较弱，对遥感图像匹配不能产生很好的作用。
基于特征的匹配方法是先从待匹配的图像和参考图像中分别提取特征，然后在两幅图像的特征之间建立对应关系。
匹配中常用的特征主要有点、边缘、区域特征3种。
点特征易于标示和操作，同时也反映了图像的本质特征，所选取的兴趣点是指相对于邻域表现出某种奇异性的像素点。
点特征容易提取，但所含信息量较少，所以建立两幅图像中特征点对应关系和保证适当的特征点数目是其难点所在。
吴一全等[2]提出了一种利用Contourlet变换、Tsallis熵和改进粒子群优化的多源遥感图像匹配算法。
叶沅鑫等[3]针对多源遥感图像间几何变形和灰度差异造成的匹配难题，提出了一种结合SIFT和边缘信息的匹配方法，相比直接利用SIFT自带的特征描述向量，该算法有效地提高了匹配正确率。
基于非下采样轮廓波变换的多模态医学图像融合
【中图分类号 】ＴＰ３９１．４１
【文献标识码 】Ａ
【文章编号 】１００５ ２０２Ｘ（２０１６）０５．０４４５ ０６
Ｍ ｕｌｔｉ－－ｍ ｏｄａｌｉｔｙ ｍ ｅｄｉｃａｌ ｉｍ ａｇｅ ｆｕｓｉｏｎ ｍ ｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｎｏｎ－－ｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ
我们首先对 ｗ Ｔ、ＮＳＣＴ的原理 和特点进行介 绍 ，然 后对 本文 提 出的系 数融合 规则 和融合 流程 进行 说 明 ， 最 后介绍 本 文实验 中融合 图像 质量 的客 观评价 参数 。
１．１ Ｗ Ｔ
ｗＴ的图像融合 ，首 先是对源 图像 进行小波分 解 ，得 到低 频 、水 平 、垂 直 和 对 角方 向 ４个 子 图 ，然后 在 各 分解 层 上针 对 不 同 的频率 分 量 采用 不 同 的融合 规则进行融合处理 ，获得融合 图像 的系数子图 ，最后 再进行逆小波变换得到融合后的图像 。流程如图 １ 所示 ，小波系数的绝对值在一定程度上反映 的是 图 像灰度变化的剧烈程度 ，也就是说 ，绝对值较大的高 频 小 波 系数 表 明 图像 在 该 位 置 处灰 度 变 化 较 剧 烈 ， 可 能对 应着 较强 的边 缘等显 著 细节信 息 。
实现的 ；ｗＰＴｌ９ 不仅对传统 ｗＴ中已经进行分解 的低 ｓｕｂｓａｍｐｌｅｄ Ｄｉｒｅｃｔｉｏｎａｌ Ｆｉｌｔｅｒ Ｂａｎ ｋ ｓ，ＮＳＤＦＢ）组 分 解
频信息进行了分解 ，对于传统 ｗＴ中未继续进行分解 两 个 步 骤 ，是 一 种 具 有 平 移 不 变 和 方 向 性 的 多 分辨
第 ３３卷 第 ５期 ２０１６年 ５月
中 国 医学 物 理 学 杂 志
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｍ ｅｄｉｃａ ｌ Ｐｈｙｓｉｃｓ
【CN109961411A】非下采样剪切波变换医学CT图像去噪方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910186481.2(22)申请日 2019.03.12(71)申请人 浙江工业大学之江学院地址 312030 浙江省绍兴市柯桥区柯华路958号(72)发明人 张聚 陈坚 周海林 吕金城 (74)专利代理机构 杭州天正专利事务所有限公司 33201代理人 王兵 黄美娟(51)Int.Cl.G06T 5/00(2006.01)G16H 50/20(2018.01)(54)发明名称非下采样剪切波变换医学CT图像去噪方法(57)摘要非下采样剪切波医学CT图像去噪方法，包括如下步骤：步骤1)医学CT扫描图像模型建立；步骤2)对CT图像进行NSST多尺度分解和多方向分解得到一个低频子带和多个高频子带；步骤3)使用快速几何纹理分解将原图像分解为平滑的几何部分和包含噪声的纹理部分，并取几何部分分量和低频子带相融合；步骤4)采用三边滤波法降噪处理融合后的新低频分量，得到新的低频子带；步骤5)采用自适应阈值收缩法处理经剪切波变换后的高频子带系数；步骤6)结合处理后的低频分量和高频分量进行NSST重构，得到去噪后的医学CT图像。
本发明通过实验分析与传统的去噪领域算法进行了对比，有效的应用在医学CT去噪领域，能够更好的有利于医师的分析诊断。
权利要求书3页 说明书8页 附图4页CN 109961411 A 2019.07.02C N 109961411A1.非下采样剪切波变换医学CT图像去噪方法，包括以下步骤：步骤1)医学CT扫描图像模型建立；医学CT图像即计算机断层扫描，X射线从几个不同的方位和角度扫描人体固定部位交由计算机处理扫描得到的不同横断面建立图像，从而让医生和患者等看到特定检查区域的扫描对象，进而进行医学判断；但是强度过低的发射电流会产生大量的高斯噪声，使得图像质量降低，会影响观察判断结果；可分两部分建立CT图像的模型，这两部分分别是医学观察所需的人体组织反射信号以及阻碍医学观察的噪声信号，其中噪声信号还可以分为乘性噪声和加性噪声，从影响观察的角度看来加性噪声相比与乘性噪声对CT图像的影响非常微小，所以在处理中一般忽略加性噪声；因此CT电信号的通用模型就表示为：o(x ,y)＝p(x ,y)q(x ,y) (1)式中，x表示CT图像的横坐标，y表示图像的纵坐标，p(x ,y)表示无噪信号，q(x ,y)表示乘性噪声；由于相加的噪声模型比相乘噪声的模型更容易分离，所以对以上式(1)的模型进行对数变换变换成相加的模型，表示为：log(o(x ,y))＝log(p(x ,y))+log(q(x ,y)) (2)步骤2)对CT图像进行NSST多尺度分解和多方向分解；首先把对数变换后的便于噪声分离的CT图像进行多尺度分解，多尺度分解后得到一张和原图等大小的低频CT图像分量和多张同样与原图等大小的高频CT图像分量；在这一步骤中不处理低频分量，对其处理将在步骤3)中进行，经尺度分解得到的各个高频分量子带使用剪切滤波器组处理，即使用剪切滤波器组对各个子带进行方向分解；步骤3)使用快速几何纹理分解将原图像分解为平滑的几何部分和包含噪声的纹理部分；快速几何纹理分解将原图像分解为平滑的几何部分以及包含噪声的纹理部分；快速几何纹理分解通过使用高通滤波器在保留图像的主要特征的基础上可以有效地提取纹理，通过建立一个包含局部指示器的非线性滤波器来确定图像的局部是属于纹理部分还是属于几何部分；其纹理部分和几何部分的主要区别是：纹理区域的主要特征是因为其振荡所造成的高度全变分差，相反几何局部区域的主要特点是其全变差不会受到低通滤波的影响；其局部全变分可以表示为如下式子：LTV σ(f)(x):＝L σ*|Df|(x) (3)其中σ表示纹理尺度，|Df|表示为变分差，L σ*|Df|即为局部范围的变分差，在利用局部全变分降噪的过程中其相对局部折减率可以表示为：反映在图像上的意义可以理解为函数的局部振荡行为，当折减率接近于0的时候就有：也就是说在折减率接近于0的时候低通滤波器对局部全变差的减小影响非常小，如果权 利 要 求 书1/3页2CN 109961411 A。
基于区域的非下采样形态小波医学图像融合算法
基于区域的非下采样形态小波医学图像融合算法曹义亲;雷章明;黄晓生【期刊名称】《计算机应用研究》【年(卷),期】2012(029)006【摘要】This paper proposed a region-based non-downsampling morphological wavelet medical image fusion algorithm, and applied the non-downsampling morphological Haar wavelet decomposition which would result in the separation of high frequency sub-band and low frequency sub-band to be fused image. For low frequency sub-hand, the image fused by means of the absolute maximum directly. While for the high sub-band, the image should be partitioned into regions which were to be used to match according to the activity index of each other, and then the matched regions would be fused under the rule of energy maximum. Finally, the reconstruction of the fused image would be performed in terms of the high and low frequency sub-band. As a result of this experiment, integrating the advantage of the morphological wavelet fusion which kept the shift-invariant, the algorithm enhances the details as well as the intensity of the fused image and overcome* the shortages such as the sensibility to noise and the non-precision alignment.%提出了基于区域的非下采样形态小波医学图像融合算法.该算法首先将待融合的图像进行非下采样形态Haar小波分解成高频子带和低频子带,对低频子带图像直接按绝对值最大的规则进行融合,对各高频子带图像则先进行区域分割,对分割的区域根据其活跃度指数进行匹配,再对相匹配的区域按能量最大规则进行融合；最后根据融合后的低频子带及高频子带进行融合图像重构.,实验结果表明,该算法在保持移不变形态小波融合方法优点的基础上,增强了融合图像的细节及亮度信息,同时有效地克服了对噪声和非精确配准敏感等缺点.【总页数】3页(P2379-2381)【作者】曹义亲;雷章明;黄晓生【作者单位】华东交通大学软件学院,南昌 330013;华东交通大学软件学院,南昌330013;华东交通大学信息工程学院,南昌 330013【正文语种】中文【中图分类】TP391.41【相关文献】1.基于非下采样Contourlet变换的自适应医学图像融合算法 [J], 楼建强;戴文战;李俊峰2.基于非下采样剪切波变换的医学图像融合算法 [J], 陈贞;邢笑雪3.基于非下采样Shearlet变换与聚焦区域检测的多聚焦图像融合算法 [J], 欧阳宁;邹宁;张彤;陈利霞4.基于区域分割和非下采样Contourlet变换的多聚焦图像融合算法 [J], 刘涛;张登福;何宜宝5.基于非下采样剪切波变换和特征合成的医学图像融合算法 [J], 朱文维; 李俊峰因版权原因，仅展示原文概要，查看原文内容请购买。
基于非下采样轮廓波变换的SAR图像变化检测
基于非下采样轮廓波变换的SAR图像变化检测
黄凌霄
【期刊名称】《曲靖师范学院学报》
【年(卷),期】2024(43)3
【摘要】针对传统方法对合成孔径雷达(Synthetic Aperture Radar,SAR)图像变化检测精度不稳定等问题,提出了一种将非下采样轮廓波变换(NSCT)、显著性检测和差异图融合相结合的变化检测方法.采用Frost滤波器对SAR图像进行预处理;构造预处理图像的均值比和领域对数比两类差异图;通过NSCT变换将两类差异图分解为低频图像和高频子带图像,并采用SR算法提取高频子带的显著信息;然后采用自适应模糊逻辑算法和模值取大算法进行图像融合并得到NSCT反变换图像;最后经过k均值聚类算法得到SAR变化检测结果图和评价数据.实验结果表明,与传统方法相比,本方法对SAR图像变化检测的稳定性较高,精度在0.65到0.8之间浮动,验证了该方法的有效性.
【总页数】7页(P61-67)
【作者】黄凌霄
【作者单位】福州职业技术学院智能工程学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法
2.基于非下采样轮廓波变换的全色图像与多光谱图像融合方法研究
3.基于非下采样轮廓波变换的CT和MR图像融合改进算法研究
4.一种非下采样轮廓波变换的机载SAR图像增强
5.基于图像增强和二次非下采样轮廓波变换的红外与可见光图像融合
因版权原因，仅展示原文概要，查看原文内容请购买。
基于剪切波变换的医学图像融合算法
基于剪切波变换的医学图像融合算法阿都建华;王邦平;王珂;王艳【摘要】剪切波变换是一种新颖的多尺度几何分析工具,具有多分辨率、多方向性、效率较高等优点,比小波变换、曲波变换、轮廓波变换等图像表示方法有独特有的优势.基于剪切波变换提出一种医学图像融合算法,先将原始图像通过剪切波变换分解为低频子带图像和高频方向子带图像,然后采用非负矩阵分解方法融合低频子带系数,再通过深入研究人类视觉系统的特性提出最大视觉能量对比度方法,利用局部对比度和局部区域的能量和进行高频方向子带系数的融合,最后通过剪切波逆变换得到融合图像.两组实验均显示所提出的融合方法在与其余3种融合方法的比较中,采用的5项客观评价指标均有4项指标达到最优值,证明所提出的方法获取的融合图像效果最好.%Shearlet transform is a novel multiscale geometric analysis tool that has many virtue such as multiresolution,multi-directional,high efficiency and has unique advantages compared with the wavelet transform,curvelet transform and contourlet transform.This paper proposed a novel fusion method for medical image based on shearlet transform.First,two original images were decomposed into different frequency sub-band coefficients by using shearlet.Next,the selection of the low-frequency sub-band coefficient and the high-frequency directionalsub-band coefficient were discussed.The method based on non-negative matrix factorization(NMF)was used to fuse the low-frequency sub-band coefficient,and for the high-frequency directional sub-band coefficient,this paper proposed a maximum visual energy contrast method that chose coefficient based on the local contrast and the sum of local regionalenergy after studying the human visual characteristics closely.At last,the fused image was obtained by performing the inverse shearlet on the combined coefficients.The proposed fusion method was compared with the other three fusion methods in two sets of experiments,and four of the five objective evaluation indicators also have reached the optimal value.In conclusion,the proposed fusion method has a considerable improvement in subjective fusion quality and objective evaluation.【期刊名称】《中国生物医学工程学报》【年(卷),期】2013(032)003【总页数】8页(P284-291)【关键词】医学图像;图像融合;剪切波;非负矩阵分解(NMF);人类视觉系统【作者】阿都建华;王邦平;王珂;王艳【作者单位】成都信息工程学院软件工程学院,成都610225;成都信息工程学院软件工程学院,成都610225;成都信息工程学院软件工程学院,成都610225;成都信息工程学院软件工程学院,成都610225【正文语种】中文【中图分类】R318.04引言医学影像技术已经是临床诊断中不可替代的技术手段，在临床诊断中得到了广泛地应用，并取得了巨大的成效。
基于非下采样Contourlet变换的医学图像融合方法
基于非下采样Contourlet变换的医学图像融合方法杨艳春;王晓明;党建武;王阳萍【期刊名称】《计算机科学》【年(卷),期】2013(040)003【摘要】针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法.在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域能量的融合规则；在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则.实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果.%This paper proposed a novel method of medical image fusion based on nonsubsampled contourlet transform (NSCT) against the existing problems of medical image fusion by traditional multi-scale transform. Considering regional relativity of the adjacent low frequency sub-band,a fusion rule based on local area energy was adopted in low frequency sub-band coefficient according to characteristics of medical image. When choosing the bandpass directional sub-band coefficients , the paper made best use of directional characteristics of NSCT. A fusion rule based on sum-modified-laplacian (SML) was presented in bandpass directional sub-band cosfficients. The experiment results show that the proposed method can avoid image distortion and achieve a good effect of image fusion compared with traditional fusion methods.【总页数】4页(P310-312,封3)【作者】杨艳春;王晓明;党建武;王阳萍【作者单位】兰州交通大学电子与信息工程学院,兰州730070;兰州交通大学电子与信息工程学院,兰州730070;兰州交通大学电子与信息工程学院,兰州730070;兰州交通大学电子与信息工程学院,兰州730070【正文语种】中文【中图分类】TP391【相关文献】1.基于非下采样Contourlet变换的自适应医学图像融合算法 [J], 楼建强;戴文战;李俊峰2.基于非下采样Contourlet变换的交通图像融合方法研究 [J], 马文佳;曲仕茹3.基于非下采样Contourlet变换和稀疏表示的红外与可见光图像融合方法 [J], 王珺;彭进业;何贵青;冯晓毅;阎昆4.基于非下采样Contourlet变换和区域特征的医学图像融合 [J], 李超;李光耀;谭云兰;徐祥龙5.基于非下采样Contourlet变换的多模态医学图像融合 [J], 程钢;李玮琳;李丽因版权原因，仅展示原文概要，查看原文内容请购买。
基于非下采样剪切波变换的多聚焦图像融合新方法
基于非下采样剪切波变换的多聚焦图像融合新方法作者：张翠英来源：《电脑知识与技术》2019年第21期摘要：为提高融合图像的清晰度，提出了一种基于非下采样剪切波变换（NSST）的多聚焦图像融合新方法。
首先，对待融合的两幅源图像采用非下采样剪切波变换，获得低频子带系数和一系列的高频子带系数。
然后对低频子带系数采用基于高阶奇异值分解（HOSVD）的融合策略，通过对低频子带进行HOSVD分解，利用Sigmoid函数得到融合低频系数;对高频子带系数采用区域特征选择的融合策略，通过对比区域能量和对比区域方差的差异来确定融合的高频系数。
最后，通过NSST逆变换得到融合图像。
实验结果表明，该方法能够更好地保留图像的边缘细节信息，在视觉效果和客观指标评价上均优于对比方法。
关键词：多聚焦图像;图像融合;NSST;HOSVD;区域特征中图分类号：TP319; ; ; ; 文献标识码：A文章编号：1009-3044（2019）21-0193-02开放科学（资源服务）标识码（OSID）：1 引言由于受到光学成像设备的限制，难以获得一幅同一场景内所有目标均清晰的图像。
利用多聚焦图像融合技术可以得到场景内所有目标均清晰的图像。
多聚焦图像融合是指通过把来自两个或多个传感器的同一场景图像综合起来，以获得更全面的场景信息。
融合的图像清晰度更高，更有利于计算机进行目标识别或检测等进一步处理。
目前多聚焦图像融合在计算机视觉、远程遥感、医学图像分析等领域均有广泛的应用[1]。
就目前的研究现状来看，多聚焦图像融合方法主要分为两大类：基于空间域的多聚焦图像融合方法和基于变换域的多聚焦图像融合方法。
基于空间域的多聚焦图像融合方法有加权平均，PCA变换等。
这类方法计算速度快、耗时短，但是融合结果会出现伪Gibbs效应。
基于变换域的融合方法能够更有效地提取图像的细节信息。
常用的变换工具有拉普拉斯金字塔变换、小波变换[2]、轮廓波变换[3]、剪切波变换[4]等。
基于非下采样Shearlet变换耦合能量关联度的医学图像融合算法
收 稿 日 期 "#"" %% "%$! 修 回 日 期 "#"$ #% #)% 基 金 项 目 陕 西 省 高 等 职 业 教 育 *应 用 型 本 科 教 育 理 论 与 实 践 课 题 研 究 项 目!"#""A@%'#""% 作 者 简 介 毛 建 芳!%&*& "&男 &大 学 本 科 &讲 师 % 引 用 格 式 毛 建 芳 !基 于 非 下 采 样 OT<DRM<6变 换 耦 合 能 量 关 联 度 的 医 学 图 像 融 合 算 法'+(!计 算 机 测 量 与 控 制 &"#"$&$%!&")""( "$'!
基 于 非 下 采 样 :1'*(.'&变 换 耦 合 能 量 关联度的医学图像融合算法
毛建芳
!陕西工业职业技术学院 美育部&陕西 咸阳!*%"###"
摘要为了克服当前较多医学图像融合方法在采用图像的能量信息融合图像时&忽略了不同图像能量的关联度&使得融合结 果存 在 细 节 丢 失 现 象 和 模 糊 现 象 等 问 题 &提 出 了 一 种 非 下 采 样 OT<DRM<6变 换 !GOO8&2L2]VIYVDJ7M<PVT<DRM<66RD2VNLRJ" 耦 合 能 量关 联 度 的 医 学 图 像 融 合 算 法 $借 助 GOO8 变 换 &在 多 尺 度 下 对 输 入 医 学 图 像 进 行 解 析 &获 取 其 低 频 及 高 频 子 带 系 数 $ 以 图 像 的 能量信息为依据&构造能量关联度函数&测量不同图像的关联程度$根据不同图像的关联度&设计不同的低频子带融合规则&获 取信息含量丰富且连贯性较好的融合低频子带$在空间频率函数的基础上&注入图像的对角信息&使之成为多元空间频率函数& 以计算图像的清晰度$引入标准差函数&计算图像的对比度$联合图像的清晰度和对比度信息&获取纹理及对比度等特征都较优 良 的 融 合 高 频 子 带 $基 于 逆 GOO8 变 换 &重 构 融 合 结 果 $主 观 和 客 观 实 验 结 果 表 明 & 较 当 前 较 为 流 行 的 医 学 图 像 融 合 技 术 而 言 & 所提方法具备更高的融合质量&呈现出更多的纹理细节和更高的清晰度%
基于非抽样剪切波变换的遥感图像融合方法
基于非抽样剪切波变换的遥感图像融合方法高国荣;许录平;冯冬竹【摘要】提出了一种基于Mean-shift分割和非抽样剪切波变换(NSST)的多光谱与高分辨率全色图像融合方法.对高分辨率图像进行Mean-shift分割,并利用区域方差将多光谱图像划分为需要进行空间细节增强及需要光谱特征保持的区域;然后利用NSST变换对高分辨率图像和多光谱图像的强度分量进行多尺度分解.分解后的低频子带采用基于四阶相关系数的融合规则进行融合,带通方向子带根据分割所得的区域按区域方差进行融合;最后进行NSST重构得到融合后的强度分量,经IHS 逆变换获得高分辨率的多光谱图像.仿真实验表明,与其他4种相关的融合方法相比,该方法能在空间分辨率的提高与光谱信息的保持之间达到良好的平衡,使得融合图像不仅具有较好的光谱保持特性,而且其空间分辨率也能得到有效提高.【期刊名称】《农业机械学报》【年(卷),期】2013(044)012【总页数】6页(P221-226)【关键词】多光谱图像;非抽样剪切波变换;融合【作者】高国荣;许录平;冯冬竹【作者单位】西安电子科技大学电子工程学院,西安710071;西北农林科技大学理学院,陕西杨凌712100;西安电子科技大学电子工程学院,西安710071;西安电子科技大学电子工程学院,西安710071【正文语种】中文【中图分类】TP391引言高空间分辨率全色图像(PAN)与多光谱图像(MS)是由不同成像系统获得的、分别具有较高空间分辨率和较高光谱分辨率的图像。
全色图像反映了目标场景的空间结构信息，能详尽地表达地物的细节特征，可以准确地获得目标的细节信息，但光谱信息缺失;多光谱图像具有丰富的光谱信息，有利于对地物的识别与解译，可以方便地辨识不同的地物，但其空间分辨率较低。
图像融合技术可以将全色图像与多光谱图像间的互补信息有机地结合起来，从而获得具有较高空间分辨率和光谱分辨率的图像，在尽可能保留多光谱图像光谱特性的前提下，有效提高图像的空间细节表现能力，在土地利用调查、城区识别和森林资源调查等遥感应用领域中有着广泛的应用［1］。
基于非下采样剪切波和全局-区域-局部融合规则的图像融合方法[发明专利]
![基于非下采样剪切波和全局-区域-局部融合规则的图像融合方法[发明专利]](https://img.taocdn.com/s3/m/8ff545336f1aff00bfd51eca.png)
专利名称：基于非下采样剪切波和全局-区域-局部融合规则的图像融合方法
专利类型：发明专利
发明人：罗晓清,张战成,席新星,蒋钰婷,张宝成
申请号：CN201910068041.7
申请日：20190124
公开号：CN109829873A
公开日：
20190531
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于非下采样剪切波和全局‑区域‑局部融合规则的图像融合方法，属于图像融合技术领域。
主要解决从统计模型中提取单层次特征容易导致图像表示不准确的问题。
其实现步骤是：1)待融合图像进行非下采样剪切波变换，得到高频、低频系数；2)低频子带系数采用基于平均梯度取大的融合规则，高频子带系数采用全局‑区域‑局部的融合规则；3)融合后的高、低频系数执行非下采样剪切波逆变换获得融合后的图像。
本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
申请人：江南大学
地址：214122 江苏省无锡市蠡湖大道1800号
国籍：CN
代理机构：大连理工大学专利中心
代理人：梅洪玉
更多信息请下载全文后查看。