【摘 要】
:
图像融合将来自多个传感器的图像进行组合,最终获取一幅信息更完整的图像。图像融合技术在医学领域主要应用于临床诊断,通过将病变部位的多模态图像进行组合,有利于医生更加准确地进行病变部位定位,提高诊断准确率。本文研究了基于反卷积神经网络自适应变换的CT/MRI医学图像融合算法。论文研究内容如下:提出了基于反卷积神经网络的图像自适应变换方法。为获得待融合图像的最佳变换,利用高斯方向滤波器设计具有不同截止频
论文部分内容阅读
图像融合将来自多个传感器的图像进行组合,最终获取一幅信息更完整的图像。图像融合技术在医学领域主要应用于临床诊断,通过将病变部位的多模态图像进行组合,有利于医生更加准确地进行病变部位定位,提高诊断准确率。本文研究了基于反卷积神经网络自适应变换的CT/MRI医学图像融合算法。论文研究内容如下:提出了基于反卷积神经网络的图像自适应变换方法。为获得待融合图像的最佳变换,利用高斯方向滤波器设计具有不同截止频率以及不同方向的滤波器组合,作为反卷积神经网络的初始滤波器。在设计方向滤波器组合时,充分考虑多个不同角度的方向滤波器组合实现360全方向覆盖,避免因角度缺失导致图像特征提取不完整。依据反卷积神经网络输出的重构图像与源图像误差最小的网络学习机理,不断对滤波器进行调整优化,使得网络学习性能不断提升,最终获得使重构图像与源图像误差最小的最优方向滤波器组合,并得到最佳分解的高、低频特征图。将上述图像自适应变换方法用于后续章节的融合算法研究之中,实验结果表明本文所提出的基于反卷积神经网络的图像自适应变换方法所获得的融合图像质量优于小波变换。提出了基于图像自适应变换及边缘激励DCPCNN的CT/MRI图像融合算法。首先进行基于反卷积神经网络的图像自适应变换设计,通过将1个高斯低通滤波器和4个不同方向的高斯高通滤波器组作为反卷积神经网络最初状态的滤波器,将单组CT和MRI图像输入网络进行自适应变换,从而得到对应数量、对应方向的高、低频特征图。基于低频特征图的特点,设计绝对值取大融合规则对其进行融合处理。高频特征图采用基于边缘检测算子的双通道脉冲耦合神经网络进行融合。边缘检测算子的加入能够进一步提升对于轮廓细节信息的保留。将本文提出的基于图像自适应变换及边缘激励DCPCNN的图像融合算法同已有的基于神经网络及引导滤波的图像融合算法进行比较,结果表明本文算法获得的融合图像清晰度更高,细节信息也更加丰富,且平均梯度以及边缘强度值更优。提出了基于图像自适应变换及多特征组合的CT/MRI图像融合算法。首先进行基于反卷积神经网络的图像自适应变换设计,通过将1个高斯低通滤波器和8个不同方向的高斯高通滤波器组合作为反卷积神经网络最初状态的滤波器,将单组CT和MRI图像输入网络进行自适应变换,从而得到对应数量、对应方向的高、低频特征图。低频特征图采用引导滤波融合规则进行融合,通过粒子群优化算法寻找最优引导滤波器窗口半径,降低算法时间复杂度。为了有效解决融合过程中未充分考虑图像区域对比度造成融合图像细节信息丢失的问题,在融合规则设计时提出了基于改进的拉普拉斯能量和与区域偏差系数相结合的多特征组合融合规则。将本文提出的基于图像自适应变换及多特征组合融合算法同已有的基于神经网络及引导滤波的图像融合算法进行比较,结果表明本文算法所获得的融合图像质量更优,平均梯度以及边缘强度值也均优于对比算法。本文研究成果在疾病诊断中具有重要的应用价值。
其他文献
随着无线通信技术的飞速发展,低频段的频带资源开发日渐饱和,人们迫切需要对毫米波以及更高频率的频谱资源进行开发和利用。间隙波导作为一种非接触式半封闭的新型波导结构,具有低损耗、易加工、可模块化的优势,在毫米波以上频段的天线阵列、大型馈电网络、滤波器、有源器件封装等工程设计中具有广阔的应用前景。毫米波多波束天线可以使用无源波束赋形网络实现毫米波天线的波束扫描,提高天线的增益,实现频谱资源利用率的最大化
近年来,随着图像处理技术以及人工智能深度学习技术的发展,基于计算机视觉的目标检测在精度和速度上都达到了理想的性能。然而在自动驾驶相关领域中,仅依靠图像平面上的二维检测结果,无法有效获取目标在三维空间中的位置与结构信息。虽然依靠激光雷达等传感器设备可以获取空间信息,但相比之下单目相机更为经济便捷。因此,针对单目场景下的三维目标检测技术的研究有着重要的现实意义,同时具有广泛的应用前景。随着深度学习技术
现代战争是电子战和信息战的战争。为了满足侦察、干扰、探测、通信等多样化的作战需求,一个完备的作战平台往往集成了多种分立的电子作战装备,极大限制了作战平台的机动性能。而集侦察、干扰、探测、通信于一体的侦干探通一体化作战平台通过参数可配置的硬件和软件实现单一平台多功能于一体,体积小、灵活度高,是未来作战平台发展的必然趋势。可重构接收机在不改变硬件的条件下仅通过调整可配置参数即可以实现多种信号处理模式,
随着科学技术的发展,人们对语音通信质量也提出了更高的要求。语音通信的过程中会同时受到各种噪声的干扰。在低信噪比环境下,语音会被噪声所淹没,严重影响了语音通信质量,甚至会导致无法进行语音通信。因此,高鲁棒性的语音增强技术愈发重要。多通道语音增强算法引入空域信息,实现在空域上的滤波,提高了去噪性能。然而,该算法对麦克风阵列的尺寸、数目和位置都有严格的要求,设备维护要求较高,不利用低成本设备的应用。因此
随着互联网、大数据和人工智能技术的兴起,深度学习技术依靠其强大的特征提取能力,在计算机视觉、智能体的自主决策以及自然语言处理等方面均取得了显著的成果。深度学习技术的快速发展使得其计算加速方法及架构设计成为学界与工业界的热点。现今主流深度学习加速器对单帧图像的智能处理具备很好的提速效果,然而对于视频应用,单帧图像加速技术的直接运用会造成极大的硬件资源浪费,以及大量重复的片下存储器读写操作。深度卷积神
准动态平台卫星链路的建立有利于卫星之间分布式协作,但是星间链路的动态变化会对整个分布式卫星协作系统产生不利影响。为了避免这种不利影响,可以将时间敏感网络(Time Sensitive Network,TSN)技术引入准动态卫星网络中。TSN作为有效的确定性网络在新兴无线通信技术、车载网、工业物联网和航空航天领域都大有作为。TSN通过时间同步、业务调度与流量整形等技术保证系统中数据传输的低时延、高可
病原微生物的防控工作已经成为我国卫生部门十分重视的一项工作。我国目前微生物鉴定工作存在的问题有:手工操作多、主观判断多、自动化程度低、微生物数据信息共享闭塞、国外市场垄断微生物检测核心技术等。针对以上问题,本文对病原微生物样本孵育拍照和后续处理的业务进行了调研与分析,设计并实现了病原微生物样本处理及孵育拍照系统的软件平台。本文通过对微生物检测业务的流程进行分析,分析了系统的功能需求,详细阐述了系统
无人机因体积小、成本低、部署灵活等独特优点在信息感知、情报侦察等众多领域内得到广泛应用。作为获取空间数据的重要手段,无人机中蕴含海量的高价值数据,致使它成为被攻击的主要对象之一。这一点可以从过去二十年中公开的无人机安全事件中得到证实,其中最著名的莫过于伊朗截获美军无人机事件。在无人机系统中,无人机数据链路的安全至关重要,它作为无人机机载端与地面控制端通信的纽带,为无人机的运行及各项任务的执行提供了
图像识别相关的深度学习技术在近些年取得了快速的发展。图像识别技术使机器具有了感知环境、识别物体的能力,极大推动了现代工业智能化的发展,可以看到有越来越多的相关应用相继落地。对抗样本通过在原始图像中添加人眼难以察觉的细微的扰动信息,就可以使深度学习模型产生错误的判别结果。对抗样本的存在给深度学习算法和模型造成了威胁,甚至影响了实际中相关深度学习应用的安全。特别是在自动驾驶、人脸识别和金融等对安全性要
近年来,物联网已经从一个新兴概念发展成为了现今社会的热门话题。物联网的应用场景已经不知不觉的渗入了人类社会的各个角落,同时伴随着嵌入式计算机系统、传感器器件、射频识别技术、近场通信、Wi Fi和Zig Bee等技术的进步。其中射频识别被认为是改变生活质量最有潜力的技术之一。电子标签与阅读器在超高频频段进行通信无需物理接触,读写效率高,结构简单,部署方便,能够适应各种应用场景的需求。然而受到硬件功耗