一種基于紋理區(qū)域劃分的醫(yī)學(xué)圖像的融合方法
【專利摘要】本發(fā)明公開了一種基于紋理區(qū)域劃分的醫(yī)學(xué)圖像的融合方法，本發(fā)明針對(duì)現(xiàn)有融合技術(shù)存在的不足，針對(duì)CT和MR多模醫(yī)學(xué)圖像進(jìn)行融合，以多特征信息為聚類方式利用K-meansClustering分割提取源圖像的對(duì)應(yīng)特征點(diǎn)，通過(guò)歸類合并建立多模醫(yī)學(xué)圖像的特征點(diǎn)集合，根據(jù)特征點(diǎn)分布將圖像劃分為紋理區(qū)域和非紋理區(qū)域，紋理區(qū)域?qū)?yīng)系數(shù)輸入PCNN得到點(diǎn)火映射圖，根據(jù)點(diǎn)火次數(shù)選擇融合系數(shù)，非紋理區(qū)域的系數(shù)通過(guò)雙通道PCNN進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，該方法能夠精確劃分圖像紋理區(qū)域，進(jìn)而利用PCNN和雙通道PCNN在圖像不同區(qū)域系數(shù)選擇各自的優(yōu)勢(shì)，融合圖像紋理清晰，質(zhì)量改善。
【專利說(shuō)明】一種基于紋理區(qū)域劃分的醫(yī)學(xué)圖像的融合方法
[0001]
【技術(shù)領(lǐng)域】
[0002]本發(fā)明涉及一種圖像處理【技術(shù)領(lǐng)域】的方法，具體是一種基于多聚類中心和紋理區(qū)域劃分的醫(yī)學(xué)圖像融合方法。
【背景技術(shù)】
[0003]醫(yī)學(xué)圖像融合是圖像融合領(lǐng)域的一個(gè)重要分支，也是目前研究的難點(diǎn)和熱點(diǎn)。醫(yī)學(xué)圖像融合是將來(lái)源于多類醫(yī)療設(shè)備獲取的對(duì)同一生理器官的不同類型圖像數(shù)據(jù)(CT、MR和PET等圖像)進(jìn)行信息綜合利用，融合后的圖像比單一圖像包含了更豐富的有用信息，為后續(xù)醫(yī)生診療提供了便利，具有很強(qiáng)的應(yīng)用價(jià)值。
[0004]根據(jù)對(duì)圖像處理方式的不同一般將圖像融合可分為像素級(jí)、特征級(jí)和決策級(jí)3個(gè)層次。像素級(jí)圖像融合應(yīng)用最廣，對(duì)像素的處理最直接，像素間的關(guān)聯(lián)性在融合決策中考慮較少；特征級(jí)圖像融合是利用數(shù)學(xué)統(tǒng)計(jì)量從圖像中提取特征信息，并將其進(jìn)行綜合分析和處理的過(guò)程；決策級(jí)圖像融合是在獲得圖像的特征信息的基礎(chǔ)上進(jìn)行進(jìn)一步抽象，為下一步?jīng)Q策提供依據(jù)。
[0005]醫(yī)學(xué)圖像對(duì)比度較低，噪聲干擾嚴(yán)重，成像質(zhì)量較差，這些特點(diǎn)影響了像素級(jí)融合方法在醫(yī)學(xué)圖像融合的應(yīng)用，降低了融合圖像質(zhì)量。

【發(fā)明內(nèi)容】

[0006]本發(fā)明需要解決的技術(shù)問題就在于克服現(xiàn)有技術(shù)的缺陷，提供一種基于紋理區(qū)域劃分的醫(yī)學(xué)圖像的融合方法，它相對(duì)于像素級(jí)融合，基于區(qū)域融合的特征級(jí)融合考慮了相鄰像素之間的相關(guān)性，突出了區(qū)域特征，降低了噪聲對(duì)紋理等重要信息的干擾，有效保護(hù)圖像的紋理信息，能夠提取更多有用信息。
[0007]為解決上述問題，本發(fā)明采用如下技術(shù)方案:
本發(fā)明提供了一種基于紋理區(qū)域劃分的醫(yī)學(xué)圖像的融合方法，包括以下步驟:
1.分別計(jì)算源圖像的均值，標(biāo)準(zhǔn)差，熵，最大梯度值等信息，作為初始的聚類中心，使兩幅圖像聚類中心產(chǎn)生的依據(jù)與圖像質(zhì)量的客觀評(píng)價(jià)指標(biāo)一致；
2.通過(guò)K-meansClustering算法將兩幅源圖像分別以聚類中心進(jìn)行聚類,得到特征空間向量；
3.根據(jù)特征空間向量提取每幅圖像的特征分布區(qū)域，比較兩幅圖像的對(duì)應(yīng)區(qū)域，設(shè)定閾值T，提取兩幅圖像中系數(shù)均大于閾值的位置信息并據(jù)類此分割提取相應(yīng)區(qū)域，定義為紋理區(qū)域；
4.將紋理區(qū)域像素值輸入PCNN神經(jīng)網(wǎng)絡(luò)得到各自的點(diǎn)火映射圖，取兩幅圖像中點(diǎn)火次數(shù)較大的像素點(diǎn)作為融合圖像的融合系數(shù)，將非紋理區(qū)域像素值通過(guò)雙通道PCNN進(jìn)行融合；5.通過(guò)融合系數(shù)得到融合圖像。
[0008]本發(fā)明針對(duì)現(xiàn)有融合技術(shù)存在的不足，針對(duì)CT和MR多模醫(yī)學(xué)圖像進(jìn)行融合，以多特征信息為聚類方式利用K-means Clustering分割提取源圖像的對(duì)應(yīng)特征點(diǎn)，通過(guò)歸類合并建立多模醫(yī)學(xué)圖像的特征點(diǎn)集合，根據(jù)特征點(diǎn)分布將圖像劃分為紋理區(qū)域和非紋理區(qū)域，紋理區(qū)域?qū)?yīng)系數(shù)輸入PCNN得到點(diǎn)火映射圖，根據(jù)點(diǎn)火次數(shù)選擇融合系數(shù)，非紋理區(qū)域的系數(shù)通過(guò)雙通道PCNN進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，該方法能夠精確劃分圖像紋理區(qū)域，進(jìn)而利用PCNN和雙通道PCNN在圖像不同區(qū)域系數(shù)選擇各自的優(yōu)勢(shì)，融合圖像紋理清晰，質(zhì)量改善。
【專利附圖】

【附圖說(shuō)明】
[0009]圖1為本發(fā)明實(shí)施例效果示意圖。
[0010]圖中:(a)為CT圖像、(b)為MR圖像、(C)為實(shí)施例效果圖、(d)為基于拉普拉斯金字塔變換(Lap)融合效果圖、(e)為基于離散小波變換(DWT)的融合效果圖。
【具體實(shí)施方式】
[0011]下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
[0012]本實(shí)施例包括以下步驟:
第一步:分別計(jì)算源圖像的均值，標(biāo)準(zhǔn)差，熵，最大梯度值等信息，作為初始的聚類中心，使兩幅圖像聚類中心產(chǎn)生的依據(jù)與圖像質(zhì)量的客觀評(píng)價(jià)指標(biāo)一致；
第二步:通過(guò)K-means Clustering算法將兩幅源圖像分別以聚類中心進(jìn)行聚類,得到特征空間向量；
K-means Clustering算法將η個(gè)樣本劃分到K個(gè)簇J = Ij1, J2, ".Jj,簇內(nèi)樣本均具有較高相似度，簇間樣本差異明顯。設(shè)Arg = (Arg1, Arg2,…ArgJ為K個(gè)類對(duì)應(yīng)的類中心，其中Argk是第Jk個(gè)簇中樣本的平均值，每個(gè)簇可以由對(duì)應(yīng)的類原型來(lái)表示。K-meansClustering算法通過(guò)最小化類內(nèi)誤差平方和準(zhǔn)則函數(shù)來(lái)對(duì)數(shù)據(jù)進(jìn)行劃分，其目標(biāo)函數(shù)定義如下:
【權(quán)利要求】
1.一種基于紋理區(qū)域劃分的醫(yī)學(xué)圖像的融合方法，其特征在于，所述方法包括以下步驟: 1).分別計(jì)算源圖像的均值，標(biāo)準(zhǔn)差，熵，最大梯度值等信息，作為初始的聚類中心，使兩幅圖像聚類中心產(chǎn)生的依據(jù)與圖像質(zhì)量的客觀評(píng)價(jià)指標(biāo)一致； 2).通過(guò)K-meansClustering算法將兩幅源圖像分別以聚類中心進(jìn)行聚類,得到特征空間向量； 3).根據(jù)特征空間向量提取每幅圖像的特征分布區(qū)域，比較兩幅圖像的對(duì)應(yīng)區(qū)域，設(shè)定閾值T，提取兩幅圖像中系數(shù)均大于閾值的位置信息并據(jù)類此分割提取相應(yīng)區(qū)域，定義為紋理區(qū)域； 4).將紋理區(qū)域像素值輸入PCNN神經(jīng)網(wǎng)絡(luò)得到各自的點(diǎn)火映射圖，取兩幅圖像中點(diǎn)火次數(shù)較大的像素點(diǎn)作為融合圖像的融合系數(shù)，將非紋理區(qū)域像素值通過(guò)雙通道PCNN進(jìn)行融合； 5).通過(guò)融合系數(shù)得到融合圖像。
【文檔編號(hào)】G06T7/40GK103606138SQ201310379493
【公開日】2014年2月26日 申請(qǐng)日期:2013年8月28日 優(yōu)先權(quán)日:2013年8月28日
【發(fā)明者】張寶華, 劉鶴, 劉新 申請(qǐng)人:內(nèi)蒙古科技大學(xué)