论文部分内容阅读
医学图像是融合是把相同或不同医学成像设备在不同环境条件下采集到的同一目标物体的图像集合，利用相关图像融合技术最大程度的提取每一幅图像中的有用数据信息并对相关信息进行处理，最后融合生成一幅目标图像。形成的融合图像不仅提高了图像的内容信息，而且使它更容易为用户检测、识别，同时能够为识别目标增加更多的情景信息。医学图像三维重建理论是通过对离散三维数据场进行处理重建出目标物体的三维图像，同时其知识领域涉及计算机科学、图形图像理论和相关医学知识等，因此其是一种复杂的交叉学科。医学图像融合与医学图像三维重建技术在提高疾病诊断准确率方面十分有效。CBF(Cerebral Blood Flow)图像包含丰富的光谱信息，脑部CT(Computed Tomography)图像拥有很高的空间分辨率。如果将这两种图像融合在一起，不仅能够提高融合图像的光谱信息还可以使图像的空间分辨率得到改善。客观评价指标对于衡量融合图像的质量与融合算法是否有效十分关键，因此在论文中对常用客观评价指标进行了研究。针对医学彩色图像与医学灰度图像的融合问题，本文提出了一种基于快速HIS(Hue IntensitySaturation)变换与WT（Wavelet Transform）相结合的医学图像融合算法。使用多尺度WT对HIS变换得到强度分量与灰度图像进行融合处理，分解得到的高频部分采用区域能量融合规则，然而对于低频部分则采用加权平均规则。该算法主要思想为：(1)把多光谱CBF图像进行HIS变换得到I(强度)分量，然后将全色CT图像和I分量进行小波分解得到高频部分和低频部分。(2)根据WT多尺度的特点，高频部分和低频部分分别采用区域能量融合规则和加权平均融合规则进行融合得到融合结果。(3)用融合结果替代快速HIS变换中的Inew得到最后的融合图像。本算法通过三组实验图像与其他算法进行比较，实验结果证明本算法在互信息(Mutual Information)、结构相似度(Structual Similarity)和QFAB等客观指标方面明显优于其他算法,并且通过对比源图像与融合图像可以发现本算法解决了HIS变换的光谱扭曲问题。医学图像三维重建技术主要分为面绘制算法和体绘制算法两种方式。在本论文中主要对面绘制方法中的MC(Marching Cubes)算法的原理、算法过程以及二义性问题进行了研究和分析，同时使用双曲线的渐近线思想解决了二义性问题。通过实验重建出了人体脑部骨骼三维图像，并能够对重建图像进行旋转、放大和拖动等操作。在体绘制技术方面，论文采用了光线投射算法，并对该算法的实现原理、算法处理步骤以及采样点的合成顺序进行研究。通过实验重建得到了人体脑部体绘制三维图像，同样能够对三维图像进行旋转、放大和拖动等具体操作。