基于证据理论的小波域多特征医学图像融合

doi:10.3724/SP.J.1087.2012.01544

计算机应用 ›› 2012, Vol. 32 ›› Issue (06): 1544-1547.DOI: 10.3724/SP.J.1087.2012.01544

基于证据理论的小波域多特征医学图像融合

姚丽莎¹,赵海峰²,罗斌²,朱珍元¹

1. 安徽新华学院信息工程学院，合肥 230088
2. 安徽大学计算机科学与技术学院，合肥230039

收稿日期:2011-12-13 修回日期:2012-01-21 发布日期:2012-06-04 出版日期:2012-06-01
通讯作者: 姚丽莎
作者简介:姚丽莎(1986-),女,安徽黄山人，助教，硕士研究生，主要研究方向：图像处理、模式识别；〓赵海峰(1972-),男，安徽合肥人，副教授,博士，主要研究方向：图像处理、模式识别；〓罗斌(1963-),男,安徽合肥人，教授,博士，主要研究方向：图像处理、图谱理论；〓朱珍元（1985-），女，湖北黄冈人，助教，硕士研究生，主要研究方向：数据挖掘。
基金资助:
国家自然科学基金;安徽省教育厅自然科学研究项目

Medical image fusion with multi-feature based on evidential theory in wavelet domain

YAO Li-sha¹,ZHAO Hai-feng²,LUO Bin²,ZHU Zhen-yuan¹

1. Faculty of Information Engineering, Anhui Xinhua University, Hefei Anhui 230088, China
2. School of Computer Science and Technology, Anhui University, Hefei Anhui 230039, China

Received:2011-12-13 Revised:2012-01-21 Online:2012-06-04 Published:2012-06-01
Contact: YAO Li-sha

摘要/Abstract

摘要： 针对多源医学图像融合过程中融合权值选择的不确定性，根据DS证据理论，采用证据理论中的基本概率分配函数来描述判决结果的不确定性。利用图像的区域方差、区域能量、区域信息熵三个特征，然后对特征进行归一化，将各个特征值作为基本概率分配的依据，在小波域内对高频分量采用基于DS证据理论的多特征融合规则进行图像融合。利用拉普拉斯能量，在小波域内对低频分量采用拉普拉斯能量自适应融合规则。实验结果表示：所提算法综合了多个特征的优势，降低了融合过程中的不确定性，较大程度地保留了图像信息。

关键词: DS证据理论, 拉普拉斯能量, 小波域, 多特征, 图像融合

Abstract: To address the uncertainty of weights selection in Multi-source medical image fusion process,the basic probability assignment function of the evidence is used to express decision result’s uncertainty based on Dempster-Shafer (DS) evidential theory.The detection image’s three features,which are regional variance, regional energy, regional information entropy,are used and normalized,then the basic probability assignment can be got according to the features.Image fusion rules with multi-feature based on DS evidence theory is used for high frequency components in wavelet domain. Energy of Laplace adaptive fusion rules is used for low frequency component in wavelet domain according to energy of Laplace. Experiments show that the proposed algorithm is superior to other fusion algorithms.It combines the advantages of multi-feature,reduces the uncertainty during the image fusion process and retains the details of the image in large extent.

Key words: DS evidential theory, energy of Laplace, wavelet domain, multi-feature, image fusion

中图分类号:

TP391.41

姚丽莎赵海峰罗斌朱珍元. 基于证据理论的小波域多特征医学图像融合[J]. 计算机应用, 2012, 32(06): 1544-1547.

YAO Li-sha ZHAO Hai-feng LUO Bin ZHU Zhen-yuan. Medical image fusion with multi-feature based on evidential theory in wavelet domain[J]. Journal of Computer Applications, 2012, 32(06): 1544-1547.

[1]	张林发, 张榆锋, 王琨, 李支尧. 基于直觉模糊集和亮度增强的医学图像融合[J]. 计算机应用, 2021, 41(7): 2082-2091.
[2]	牛康力, 谌雨章, 沈君凤, 曾张帆, 潘永才, 王绎冲. 基于深度学习的双通道夜视图像复原方法[J]. 计算机应用, 2021, 41(6): 1775-1784.
[3]	吴蕾, 杨晓敏. 改进的基于通道注意力反馈网络的遥感图像融合算法[J]. 计算机应用, 2021, 41(4): 1172-1178.
[4]	黄思远, 张敏情, 柯彦, 毕新亮. 基于显著性检测的图像隐写分析方法[J]. 计算机应用, 2021, 41(2): 441-448.
[5]	郭可心, 张宇翔. 基于多层次空间注意力的图文评论情感分析方法[J]. 计算机应用, 2021, 41(10): 2835-2841.
[6]	成亚玲, 柏智, 谭爱平. 基于引导滤波和差分图像的多聚焦图像融合方法[J]. 计算机应用, 2021, 41(1): 220-224.
[7]	李卫中. 基于场景局部特征的多曝光图像融合[J]. 计算机应用, 2020, 40(8): 2365-2371.
[8]	赵小虎, 赵成龙. 基于多特征语义匹配的知识库问答系统[J]. 计算机应用, 2020, 40(7): 1873-1878.
[9]	王继霄, 李阳, 王家宝, 苗壮, 张洋硕. 基于SqueezeNet的轻量级图像融合方法[J]. 计算机应用, 2020, 40(3): 837-841.
[10]	杨博, 蔺素珍, 禄晓飞, 李大威, 秦品乐, 左健宏. 基于多特征融合与分层数据关联的空中红外多目标跟踪方法[J]. 计算机应用, 2020, 40(10): 3075-3080.
[11]	牟琦, 唐洋, 李占利, 李洪安. 基于网格运动统计算法和最佳缝合线的密集重复结构图像快速拼接方法[J]. 计算机应用, 2020, 40(1): 239-244.
[12]	王书朋, 赵瑶. 基于自适应分割的多曝光图像融合算法[J]. 计算机应用, 2020, 40(1): 252-257.
[13]	刘颖, 王凤伟, 刘卫华, 艾达, 李芸, 杨凡超. 基于亮度分区模糊融合的高动态范围成像算法[J]. 计算机应用, 2020, 40(1): 233-238.
[14]	张斌, 罗晓清, 张战成. 基于TV-L¹结构纹理分解的图像融合质量评价算法[J]. 计算机应用, 2019, 39(9): 2701-2706.
[15]	王克强, 张雨帅, 王保群. 基于Retinex理论的多曝光图像融合算法[J]. 计算机应用, 2019, 39(7): 2087-2092.

基于证据理论的小波域多特征医学图像融合

Medical image fusion with multi-feature based on evidential theory in wavelet domain

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics