基于HVS增强医学图像融合

T.Nalini¹,A.Gayathri²

Tamilnadu Bharath大学,钦奈,印度。
Tamilnadu MNM Jain工程学院,印度。

文摘

医学图像融合可以帮助医生来提取图像的特征明显不同的模式。在本文中,一种新颖的基于离散小波变换(DWT)的医学图像融合技术。首先,医学图像融合是提取,接着转换成灰度DWT之前进行分解。然后通过考虑人类视觉系统(HVS)的特性和小波系数的物理意义,新的不同的融合方案分别进行低频率和高频带,即基于可见性方案基于低频系数和方差方案应用高频系数。最后,由逆构造融合图像是离散小波变换(得到)的结合系数。

关键字

离散小波变换(DWT),逆离散小波变换(得到),人类视觉系统(HVS)

1介绍

为了更好的支持更精确的临床医生的信息处理医疗诊断和评估,需要多模医学图像,如x射线、计算机断层扫描(CT)、磁共振成像(MRI),正电子发射断层扫描(PET)图像。这些多模医学图像通常提供补充和偶尔相互矛盾的信息。因此,多模态医学图像的融合是必要的,它已经成为一种很有前途的和非常具有挑战性的研究领域近年来。医学图像融合,融合的图像通常会带来额外的临床信息不明显不同的图像。另一个优势是,它可以降低存储成本通过存储单一代替多源图像融合图像。到目前为止,许多图像融合技术已经在文学和提出全面概述的这些方法可以参考。因为现实世界的对象通常包含许多不同尺度结构或决议,多分辨率技术医学图像融合已经变得非常重要。

1.1融合技术

一个通用的图像融合方法的分类如下:1)线性叠加2)非线性方法3)4)人工神经网络优化方法5)图像金字塔6)小波变换7)通用的多分辨率融合方案

1.2小波变换

信号分析方法类似于金字塔图像是离散小波变换。主要的区别在于,当图像金字塔导致成套变换系数,小波变换的结果在一个非冗余的图像表示。离散2-dim计算小波变换的低通和高通滤波器的递归应用在每个方向上的输入图像(即行和列)子抽样紧随其后。这个方案的细节可以参考部分中找到。一个主要缺点时小波变换应用于图像融合是其众所周知的依赖转变,即一个简单的输入信号的转变可能会导致完全不同的变换系数。这将导致不一致的融合图像在图像序列融合时调用。克服这种转变依赖的小波融合方案,输入图像必须分解成一个移不变的表示。有几种方法可以实现这一点:最简单的方法是计算所有可能的圆形的小波变换输入信号的变化。

1.3医学图像融合

融合图像可以从多个图像创建相同的成像方式,或通过结合来自多个模式的信息,如磁共振影像(MRI)、计算机断层扫描(CT),正电子发射断层扫描(PET)和单光子发射计算机断层扫描(SPECT)。在放射学和放射肿瘤学,这些图像起到不同的作用。磁共振成像(MRI)主要是医学影像技术在放射学最常用的可视化人体的结构和功能。核磁共振成像提供了更大的对比不同软组织的身体比计算机断层扫描(CT),使其在神经系统(脑)特别有用。与CT不同,它不使用电离辐射,但使用一个强大的磁场一致的(通常)氢原子核磁化水在体内。射频场是用来系统地改变这种磁化的对齐,导致氢核产生一个旋转磁场检测的扫描仪。这个信号可以被附加磁场建立足够的信息来构建身体的图像。身体主要由水分子,每个包含两个氢原子核或质子。当一个人走进强大的磁场扫描这些质子结合的方向。第二个射频电磁场是那么短暂开启导致质子吸收的能量。当这个字段是关闭的质子释放这种能量在射频扫描可以检测到。 Computed tomography (CT) is a medical imaging method employing tomography. Tomography is imaging by sections or sectioning. Digital geometry processing is used to generate a three-dimensional image of the inside of an object from a large series of two-dimensional X-ray images taken around a single axis of rotation. CT is a sensitive method for diagnosis of abdominal diseases. It is used frequently to determine stage of cancer. CT images are used more often to ascertain differences in tissue density while MRI images are typically used to diagnose brain tumors.

1.4。提出了系统

DWT在这个系统分解后的系数的低频部分和高频部分是处理不同的融合方案提供增强的视觉信息。图像的读者使用基于Sinkhorn缩放算法使系统灵活的输入图像的大小。多模态医学图像通常包含互补和相互冲突的医疗信息,即。,同样的多模态医学图像的对象可能显得非常明显。因此,当源图像小波变换分解,近似图像(低频段)和细节图像(高频段)必须在不同的图像有不同的物理意义。另一方面,我们知道在大多数应用程序中,融合图像的最终用户或翻译是一种人类。所以应该考虑人类感知的图像融合。根据HVS的理论模型,我们知道人类眼睛的小波系数有不同的敏感性低分辨率和高分辨率的乐队。基于上述分析,本文提出了一种新的融合规则,将低频段和高频段分别用不同的方案。

二世。技术的概述

软件需求规范产生高潮的分析任务。分配给软件的功能和性能,系统工程是精炼功能表示,通过建立完整的信息描述系统行为的表征,表明性能需求和设计约束,适当的验证标准。

2。1。图像提取

在图像提取我们需要执行必要的特征提取功能必须从输入图像。的一些特性是常见的所有图片是它的大小,颜色,纹理、图案等。医学图像的模式是该地区的重要性,帮助关注异常模式提取。通过使用Sinkhorn缩放算法使系统灵活的图像大小,每输入图像提取和值转换成矩阵(r, g, b)存储在一个数组的形式。

2.2。灰度转换

一个彩色图像转换成灰度不是唯一的;不同权重的颜色通道有效地代表黑白胶片摄影的影响与不同颜色的相机照相过滤器。一个常见的策略是匹配灰度图像的亮度彩色图像的亮度。把任何颜色的灰度表示其亮度,首先必须获得值的红色,绿色和蓝色(RGB)初选在线性强度编码,由伽马扩张。红金额的30%加在一起,绿色价值的59%,和11%的蓝色值(这些权重取决于准确的选择RGB初选,但典型)。无论使用的规模(在小数0.0到1.0,0到255像素范围,0%至100%,等等),由此产生的数量是理想的线性亮度值;它通常需要伽马压缩回到传统的灰度表示。灰度转换表示灰度作为一个连续的,图像的依赖,分段线性映射的RGB颜色初选和饱和度是必要的。对比度增强的程度,天平对比特性,和对噪声抑制的需要可以轻松进行调整,以适合医学图像融合。增强的灰度图像可以取代现有系统显示亮度图像的分析和识别图像。 By rendering color contrasts in grayscale with less detail loss, we offer a more informative picture for visual inspection and interpretation.

三世。进行离散小波变换

3.1。离散小波变换

计算小波系数在每个可能的规模是一个大量的工作,而且会产生大量的数据。如果尺度和位置的选择是基于两个孩子的权力,所谓的二元尺度和位置,然后计算小波系数是有效和准确的。这是来自离散小波变换。常规形态为一维小波变换(一维)图3所示。

图3得到的示意图表示

这里的信号通过一个低通和高通滤波器,h和g,分别就两倍采样,构成一个层次的变换。重复的过滤和大量毁灭过程低通分支输出使多层或小波变换的“尺度”。这个过程通常是有限数量的水平进行K,和由此产生的系数称为小波系数。融合规则确定源转换将结合[5]:我)融合规则可能是应用程序依赖ii)融合规则可以是相同的所有部分波段或依赖于可被融合

有两个基本步骤确定的规则计算显著措施对应单个源转换和比较后决定如何结合系数显著措施(选择或平均)有许多图像融合规则。有些是非常简单的,如:MIN,马克斯,意思是,使用的最小、最大和平均的值变换系数

3.2。融合方案:

提出系统的主要优势是使用两种不同的方案较低和较高的系数。两个方案:1)基于可见性方案(二)方差方案。

在基于可见性的计划只能评估低水平系数。由于低频段是粗分辨率层次的原始图像,它可以被视为一种平滑和业者进行版本的原始图像。因此,大多数信息的源图像保存在低频段。所以,在低频段的方法,融合方案,选择当地能见度最高。这种方法来源于HVS是敏感的对比。小波系数的能见度定义[3]。在基于方差方案更高级别系数是评价。这些系数称为近似系数只包含有限的图像信息。在这个方案更高级别系数进一步分为9个不同的系数给出系数作为输入得到以及较低的水平。分裂后使用可见性方案LH水平系数越低,霍奇金淋巴瘤,HH系数是省略了获得更好和有效融合的结果。这是因为能见度方案只能只用于低水平系数即可见区域。

3.3。得到融合图像创建

源图像的分解后的下一个步骤是融合规则的应用。我们选择使用系数的绝对值的最大值在每一个分解层次。结果是然后使用离散小波反变换得到。应用程序允许用户从一个目录选择两张图片,显示它们,然后呈现融合图像。得到执行的低和高系数我们通过应用融合计划[2]。得到过程中精明的边缘检测是用来获得边缘信息通过专注于突然的像素值的变化。

图3.3。基本融合过程合并融合规则

这有助于获得最终的融合图像的重要特征增强清晰度。关注边缘信息在最后融合医学图像变得重要,因为它可以帮助医生在检查异常。

四。结论

因此一种新颖的基于DWT的医学图像融合技术。开发的方法不仅考虑HVS的特性,而且考虑小波系数的物理意义。然后要进行不同的融合方案的系数低频段和高频段同时计算得到。我们已经将该方法与一些现有的融合方法。我们的应用程序的目的是成为有用的医生需要为支持多模图像融合诊断。我们可以融合过程集成到一个分布式应用。as技术不断开发新的高效过滤器可以用来获得更好的融合结果通过z变换,拉普拉斯变换或DWT。而不是执行多级DWT,会影响整体处理速度我们可以应用其它方法,产生一个等价的结果在一个水平的分解。我们也可以使用简单的哈尔变换获取效率。Haar小波是一种特定序列的新功能“方形”一起构成小波家族或基础。Haar小波是最简单的小波。 The technical advantage of the Haar wavelet is that it is not continuous, and therefore not differentiable.

引用

勇杨,2010,“通过一个新的基于DWT多模态医学图像融合技术”,信息技术学院,江西财经大学,330013年南昌,中国。
j . m . s . l . Cheng, z . w . Lv, 2008年,“PET / CT医学图像的基于小波变换加权融合,“第二届国际会议上生物信息学和生物医学工程,2523 - 2525页。
d . Sabalan g·哈桑,2007,“MRI和PET图像融合基于人类视网膜模型,“浙江大学科学杂志》8卷,没有。10日,1624 - 1632页。
y . m .朱,s m . Cochoff, 2006,“面向对象的框架,用于医学图像配准、融合和可视化,”计算机的方法和程序在生物医学,82卷,没有。3、258 - 267页。
g . Pajares j·m·d·l·克鲁斯,2004年,“小波图像融合教程”,模式识别、37卷,没有。9日,页。1855 - 1872。[6]f·梅斯,d . Vandermeulen, p . Suetens, 2003年,“医疗使用互信息图像配准,IEEE学报》,91卷,没有。10日,1699 - 1722页。