全球研究计算机科学杂志》上
菜单石头:2229 - 371 x
石头:2229 - 371 x
s s贝蒂博士1,Rati口2
|
| 通讯作者:Rati口电子邮件:(电子邮件保护) |
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章全球研究计算机科学杂志》上
图像融合是图像处理的主要研究领域之一。图像融合过程可以被定义为从注册的集成信息图像无失真的引入。往往是不可能得到一个图像中包含所有相关对象的焦点。解决这个问题的一个方法是图像融合,一个可以获得一系列的图片有不同的焦点设置和保险丝与扩展景深产生一个图像,有助于临床诊断。图像融合技术可以提高质量和增加这些数据的应用程序。该论文使用多映像对PCA融合医学图像对比度增强。本文的目的是提出一种技术融合的人类大脑核磁共振图像基于主成分分析和提高医学图像的可见性通过应用对比增强现有的技术。这里采用PCA融合技术提高分辨率的图像。PCA算法构建一个融合图像的输入图像的加权叠加所有输入图像。由此产生的图像也包含与个人形象和增强信息应用对比增强技术提高医学图像的可视性细节不引入不切实际的视觉表象和/或不必要的文物。 It also gives the quality comparison study of original medical images before fusion, after applying PCA and various existing techniques for contrast enhancement for those medical images.
关键字 |
| 自适应直方图均衡化、对比度增强、直方图均衡化,图像融合,主成分分析。 |
介绍 |
| 相结合的图像融合[1]是一个过程相关信息的同一场景的图像,成一个单一的形象,其中合成融合图像将会更加丰富和完整的输入比任何图像。主成分分析(PCA)是一个著名的方案特征提取和降维,用于图像融合。这里可以多通道输入图像。图像融合的目标之一是创建一个单一的增强图像更适合于人的视觉感知的目的,对象检测和目标识别。图像融合找到应用程序领域的导航制导、目标检测和识别、医疗诊断、遥感卫星成像,罗布愿景,军用和民用监测、等许多图片,如医学图像、遥感图像、电子显微镜图像甚至我们现实生活摄影图片,遭受贫穷的对比。因此,它是非常必要的提高对比之前的图像可以进行进一步处理或分析。已经有很多技术来增强图像的对比度。 |
| 最广泛使用的方法包括各种对比操作和直方图均衡化。几个从简单的基于像素的先进的小波融合算法和基于PCA是可用的。图像融合系统有几个优点超过单一图像源和合成融合图像应该有更高的信噪比,提高了鲁棒性和可靠性在传感器出现故障时,扩展参数范围和系统的呈现一个更完整的画卷。本文背后的目的是基于PCA技术融合的需要是最简单的在所有的其他技术来提高分辨率两个图像融合的图像首先分解为不同频率子图片,然后这些子图片进行信息融合,最后重建的结果图像丰富的信息. .融合是一个很好的方法来提高系统的准确性和鲁棒性。第一个主要任务是提出的人类大脑MRI图像融合技术临床诊断基于主成分分析和另一个目标是应用对比增强技术。本文还提出了评价图像融合通过测量数量的提高融合图像的信息。质量度量评估各种技术的融合将有助于使融合技术的正确选择。积极这将减少大量的计算成本和减少开销的技术来提高图像的质量,以及图像的可见性。 |
| 为了研究之间的差异综合主成分分析和各种现有的对比技术像线性拉伸、直方图均衡化和自适应直方图均衡化的比较研究是必需的。第二部分描述背景而在第三节我们复杂的主成分分析和现有的对比度增强技术,在第四节介绍我们的方法的实验结果和分析综合方法的第5部分和结论提出了第六节。 |
背景 |
| 在融合过程中,所有重要的视觉信息在输入图像必须被转移到融合图像没有引入构件。此外,该融合算法应可靠和健壮的噪音或mis-registration等缺陷。图像融合是数据融合的一个分支,数据数组的形式出现的数字代表亮度、颜色、温度、距离,和其他场景属性。这些数据可以二维静态图像,三维(容积图像或视频序列时空卷的形式),或者更高的维度。MRI图像从一个长时间使用人体图像的内部结构。它是使用最广泛的诊断工具领域的医学。核磁共振医学成像技术用于放射学可视化详细的内部结构。MRI提供良好的对比不同软组织的身体,使它特别有用在成像大脑,肌肉,心脏,和癌症与其他医学成像技术,如计算机断层扫描(CT)。核磁共振技术虽然有很多优势,但它产生的低对比度图像。低对比度的MRI图像的原因之一是人体存在体积的液体量。 One can increase the power of MRI for capturing images but it may harm human body / bones. To make the images more visual and explanatory contrast may be increased on software and hardware level. With advancement of technology some MRI machines have also been introduced which can increase the contrast at their own with the help of software and hardware. |
| 随着MRI图像被用于诊断目的,设计一些软件也可以执行自动诊断。一般来说,MRI的说明是由经验丰富的口译员手动完成的医学领域。它是耗费时间和人力的工作。此外,人类说明MRI图像是非常主观的,有时候倾向不一致。图像增强是自动MRI检查系统的重要组成部分。为提高MRI图像的视觉和解释一些对比度增强技术可以实现在手动或auto-diagnose系统。 |
| 近年来,多元成像技术已经成为一个重要的信息来源来帮助诊断在许多医学领域。Mallat和中提出,如果小波系数进行修改系数合并、量化等然后逆变换保留这一修改,因为变换非冗余的[2]。人提出了基于集群的特征提取和数据融合在小波域[3].P.A。Vanden Elsen提出一个不同形态的合成图像的图像相同的主题,并提供一个完整的信息诊断[4]。h·李,狗屁的希和s . k . Mitra采用小波变换对多传感器图像融合[5]。大卫A.Y.提出了图像融合方法的离散二维小波变换[6]。Gorzelli解释的可能性和限制使用小波图像融合[7]。刘围梁相比,图像融合技术利用熵和图像噪声指数(INI) [8]。查韦斯提出三种不同的方法来合并多分辨率和多光谱数据[9]。摇摆,O。, proposed new merger based on shift invariant discrete wavelet transform(SIDWT) theory using maximum value selection rule of approximation coefficents for landslide characteristic enhancement [10]. Ramac, L. C., Uner, M. K., Varshney, P.K., presented Morphological filters and wavelet based image fusion [11]. |
提出工作 |
| 改进解决方案的提出了基于主成分分析的图像融合的两幅图像的图像融合首先分解成子图片有不同的频率,然后这些子图片进行信息融合,最后重建与丰富的信息和应用各种结果图像对比度增强技术的融合图像。我们还执行原始图像与融合图像的质量分析。 |
 |
| PCA在数学上定义为正交线性变换将数据转换到一个新的坐标系统,最大的方差的投影数据来躺在第一个坐标(称为第一主成分),第二大方差在第二个坐标,等等。PCA是理论上最优变换对于一个给定的数据以最小二乘法计算PCA是理论上最优变换对于一个给定的数据以最小二乘法计算。 |
 |
| 每个源图像的权重得到最大特征值对应的特征向量的协方差矩阵的每个源。将源图像在两列向量。 |
| 数据组织成列向量。让年代的结果列向量维度2 A¢³n。 |
| b。计算经验意味着在每一列。我经验平均向量维度1¢³2。 |
| c。从美国产生的矩阵的每一列减去我的X是维度2 A¢³n。 |
| d。找到矩阵的协方差矩阵C X即C = XXT意味着期待= X (X)。 |
| V e。计算特征向量和特征值D C和排序通过减少特征值。V和D维度2 A¢³2。 |
| f。考虑V的第一列对应于较大的特征值来计算标准化组件P1和P2。 |
| P1 = V(1) /ΣV和P2 =(2) /ΣV (1) |
| g。融合图像我f (x, y)计算如下如果输入图像是我1 (x, y)和I2 (x, y)。 |
| 我f (x, y) = P1I1 (x, y) + P2I2 (x, y) (2) |
 |
| 很多技术已经用于医学图像的对比度增强。常用的技术有:1。线性拉伸:这是最简单的技术,增强了图像的对比度。在这个技术强度增加了所有像素值一致。2。Histogram-Equalized:直方图均衡化是一个技术的动态范围图像直方图的增加。它趋于平缓和扩展的动态范围图像的直方图,导致整体对比度改善。直方图均衡化将输入图像的像素强度值,输出图像包含强度的均匀分布。它提高了对比度得到一个统一的直方图。这种技术可用于整个图像或在一个图像的一部分。 3. Adaptive Histogram Equalization: In this method, the contrast of the image is enhanced by transforming the values in the intensity image. |
实验和结果 |
| 我们将演示PCA融合并使用多通道图像对比度增强的结果就像人类大脑核磁共振图像。最初人类大脑核磁共振图像的源图像作为输入,并给出我们将PCA融合后得到融合图像对比度增强技术作为他们的输出在图1.4中,分别为1.5。 |
 |
分析 |
| 越来越需要性能或质量评估工具来比较获得的结果和不同的对比度增强技术应用于PCA融合图像。这种分析可用于选择特定的对比度增强技术,可以用来降低,压缩或简化数据集。PCA是所有可用的融合技术中最简单的。PCA和不同的对比度增强技术相比,在精度等增强方法线性拉伸、直方图均衡化和自适应直方图均衡化。 |
| 量化质量分析:我们进行定量的质量分析PCA融合图像的对比度增强技术使用峰值信号噪声比(PSNR),均方误差(MSE),归一化互相关。质量分析PCA融合图像的对比度增强技术表- 1所示。从表1我们可以看到质量参数如PSNR值高,MSE低成正比PSNR, NCC谎言在0和1之间,这表明结果图像是好的的主成分分析和线性拉伸对比度增强的原因主成分分析和线性拉伸技术是最好的在所有其他应用对比增强技术。 |
| b。主观质量分析:我们进行对比度增强技术的主观分析PCA融合算法。结果各种对比度增强技术和PCA融合算法的两个人类大脑核磁共振图像figure1.4和图1.5所示。 |
结论 |
| 人类大脑MRI图像融合是一种最现代、准确和有用的诊断技术在当今医学影像诊断脑肿瘤。本文的集成PCA融合的磁共振人脑MRI图像和现有的对比度增强技术已被提出。PCA融合用于融合人类大脑MRI图像和各种对比度增强技术应用于图像融合。合成获得的图像与原始图像的质量比较的基础上完成不同的参数,如表所示。从统计分析,证明了主成分分析和线性拉伸更适合人类大脑MRI图像融合,因为它提供了高PSNR值意味着更少的噪音比PCA和直方图均衡化和PCA和自适应直方图均衡化。从仿真结果很明显,结果融合图像和对比度增强的图像包含的信息不受不必要的文物或失真,有助于临床诊断。最后本文得出结论:基于DWT的图像融合算法和PCA形态学处理可能对图像融合研究的未来趋势。 |
 |
承认 |
| 我想感谢所有那些帮助我完成这一任务。 |
引用 |
|
