学位论文 > 优秀研究生学位论文题录展示

基于小波分析理论的医学图像配准研究

作　者: 杨云峰
导　师: 苏志勋
学　校: 大连理工大学
专　业: 计算数学
关键词: 医学图像刚性配准非刚性配准增强多尺度分析
分类号: TP391.41
类　型: 博士论文
年　份: 2012年
下　载: 185次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息技术的发展,各类医学成像设备陆续应用于临床医学,医学图像随之成为疾病诊治的重要辅助工具,有效地提高了临床医学诊治的技术水平。医学图像处理的研究已成为前沿研究领域,而医学图像配准是其中非常重要的研究热点之一,医学图像增强也是医学图像后续处理及应用的基础。本文围绕医学图像配准和增强这两类问题进行了研究,并针对配准精度、配准数据量的问题及增强质量的要求,着重研究了基于多尺度分析的医学图像配准和增强策略。本文的主要工作包括：(1)针对医学图像增强,提出两种基于多小波变换的增强方法。方法一是在小波变换的基础上,采用Haar变换对高频子带系数继续进行分解,得到多小波分解的高频子带,然后对滤噪后不同子带的高频系数使用不同的增强因子进行增强处理,当图像重构后,再利用分段灰度变换获取灰度范围更丰富的增强图像。方法二是多级多层增强方法,即在多小波分解后,先对多小波高频系数进行增强,然后对经Haar逆变换重构的高频子带继续进行增强处理,此外,把每一级的低频子带也使用非线性算子进行增强处理,以获取更好的增强效果。图像重构后,再对图像进行分段灰度变换,以获取灰度范围更丰富的增强图像。实验结果证明这两种增强方法是有效可行的。(2)针对医学图像刚性配准,提出两种基于多尺度分析的粗、细配准相融合的配准方法。在方法一的精细配准过程中,首先提出一种简化的多小波变换,进而提出了基于简化多小波变换的医学图像配准方法,即对由小波分解得到的部分高频子带做进一步分解,并提取这些高频子带的近似信息作为配准对象,既有效的减少了运算量,又充分利用了原图像的高频信息,从而保证了配准结果的准确性。在方法二的逐层配准过程中,首先利用采样模板得到各级重采样图像,然后从最后一级重采样图像开始配准,直到原始图像结束。这两种方法的粗配准都是针对图像的轮廓特征采用主轴法来实现。实验结果证明这两种配准方法都能取得理想的配准结果。(3)针对医学图像非刚性配准,提出一种基于薄板样条逐步逼近的非刚性配准方法。首先利用扫描线法提取两幅图像中变形区域的边界,接着选择局部配准区域,使得配准过程只在局部进行,避免全局的变形问题。然后利用从形变区域中心引出射线的方法自动提取控制点,再使用薄板样条获得第一次配准结果,接着进行逐步逼近配准,即每次配准都在前一次配准的结果基础上使用薄板样条继续进行配准,直到满足给定的约束条件结束。实验结果证明该配准方法能够准确地实现医学图像的非刚性配准。

全文目录

摘要  4-5
Abstract  5-10
1 绪论  10-19
  1.1 背景及研究意义  10-11
  1.2 医学图像的发展  11-13
  1.3 医学图像处理主要研究内容  13-16
  1.4 本文主要工作  16-19
2 医学图像增强和配准研究概述  19-48
  2.1 图像基本变换方法概述  19-34
    2.1.1 灰度变换  19-22
    2.1.2 直方图变换  22-23
    2.1.3 空域滤波  23-25
    2.1.4 几何变换  25-28
    2.1.5 Fourier变换  28-29
    2.1.6 Wavelet变换  29-34
  2.2 医学图像增强研究内容概述  34-40
    2.2.1 医学图像增强的基本概念  34-37
    2.2.2 医学图像增强的研究现状  37-40
  2.3 医学图像配准研究内容概述  40-48
    2.3.1 医学图像配准的基本概念  40-43
    2.3.2 医学图像配准的研究现状  43-48
3 基于多小波变换方法的医学图像增强  48-69
  3.1 引言  48-49
  3.2 基于多小波变换的图像分解与重构算法  49-57
    3.2.1 基于单小波变换的图像分解与重构算法  49-52
    3.2.2 图像Haar小波分解与重构算法  52-53
    3.2.3 图像的多小波分解与重构  53-57
  3.3 基于频域的图像去噪  57-58
  3.4 图像灰度变换  58-59
  3.5 基于多小波分解与重构算法的医学图像增强算法  59-61
  3.6 基于多小波变换的多级多层医学图像增强算法  61-64
  3.7 实验结果与分析  64-67
  3.8 本章小结  67-69
4 基于多尺度和主轴法的医学图像配准  69-88
  4.1 引言  69-70
  4.2 图像的简化多小波分解算法  70-72
  4.3 提取图像边界轮廓线  72
  4.4 相似性测度  72-73
  4.5 图像插值  73-74
  4.6 基于SMWT的医学图像配准  74-79
    4.6.1 基于主轴法的粗配准  75-76
    4.6.2 基于SMWT的精细配准  76-79
  4.7 基于分层重采样的医学图像配准  79-82
    4.7.1 图像重采样  79-81
    4.7.2 逐层进行配准  81-82
  4.8 实验结果与分析  82-85
  4.9 本章小结  85-88
5 基于薄板样条逐步逼近的医学图像配准  88-99
  5.1 引言  88-89
  5.2 薄板样条插值方法  89-91
    5.2.1 薄板样条插值的定义  89-90
    5.2.2 图像的薄板样条插值  90-91
  5.3 变形区域边界的提取  91-93
  5.4 薄板样条控制点的提取  93
    5.4.1 配准区域的提取  93
    5.4.2 配准区域内控制点的选取  93
  5.5 逐步逼近配准算法  93-95
  5.6 实验结果与分析  95-96
  5.7 本章小结  96-99
结论和展望  99-102
参考文献  102-110
创新点摘要  110-112
攻读博士学位期间发表学术论文情况  112-114
致谢  114-116
作者简介  116-118

基于小波分析理论的医学图像配准研究

内容摘要

全文目录

相似论文