基于圖像融合與亞像素邊緣提取的醫(yī)學病變診斷

1、基于圖像融合與亞像素邊緣提取的醫(yī)學病變診斷智能檢測理論與技術(shù)研討課源源圖圖像像融融合合圖圖像像增增強強圖圖像像分分割割圖圖像像圖像融合圖像融合圖像增強圖像增強邊緣提取邊緣提取圖像融合圖像融合圖像融合圖像融合 圖像融合在醫(yī)療、軍事、地物分類、機場導航、故障診斷、目標跟蹤與識別等眾多領(lǐng)域有著廣泛的應(yīng)用。 圖像融合圖像融合 圖像融合是指將多源信道所采集到的關(guān)于同一目標或場景的圖像數(shù)據(jù)經(jīng)過圖像處理和計算機技術(shù)等，以最大限度的提取各自信道中的有用信息，最后綜合成高質(zhì)量的圖像。圖像融合圖像融合 圖像融合是指將多源圖像融合是指將多源信道所采集到的關(guān)于同信道所采集到的關(guān)于同一目標或場景的圖像數(shù)一目標或場景的圖

2、像數(shù)據(jù)經(jīng)過圖像處理和計算據(jù)經(jīng)過圖像處理和計算機技術(shù)等，以最大限度機技術(shù)等，以最大限度的提取各自信道中的有的提取各自信道中的有用信息，最后綜合成高用信息，最后綜合成高質(zhì)量的圖像。質(zhì)量的圖像。融合層次像素級融合特征級融合決策級融合融合圖像多傳感器圖像多聚焦圖像多序列圖像 遙感圖像圖像融合圖像融合像素級融合方法分為空間域和變換域兩大類。 空間域常用方法有：加權(quán)平均法、基于灰度值的選大選小方法、加權(quán)融合與主成分分析等。 變換域常用的是金字塔變換與小波變換兩大類、此外還有小波包變換、曲波變換、脊波變換等。圖像融合圖像融合 拉普拉斯金字塔、對比度金字塔、梯度金字塔三種不同金字塔的圖像融合方法。高斯窗口函數(shù)

3、：14641416241646243624641624164146412561,nm圖像融合圖像融合1. 拉普拉斯金字塔：njm,iGnm,ji,Glmnl 221222-2- 5151224mnl*lnj,miGnm,ji,G*lllGGLP1llGExpandGNLPExpandExpandLPExpandLPExpandLPG2100圖像融合圖像融合2. 對比度金字塔：I-*lllGGCP1NCPExpandExpandICPExpandICPG100圖像融合圖像融合3. 梯度度金字塔：41lklkLLkkL*-LP1kLPExpandExpandLPExpandLPExpandLPG2

4、100KklklG*G*dGPkllklGP*dL81圖像融合圖像融合低頻子帶圖像系數(shù)選擇：yx,fyx,fANFNyx,fyx,fBNFNyx,BNfyx,ANfyx,FNf0.50.5圖像融合圖像融合高頻子帶圖像系數(shù)選擇：系數(shù)選大：絕對值選大：其它，yx,gyx,gyx,gyx,gyx,gBiBiAiAiFi其它，yx,gyx,gyx,gyx,gyx,gBiBiAiAiFi圖像融合圖像融合基于窗口的系數(shù)加權(quán)平均： 小于設(shè)定的相似度閾值 ，則第i個高頻子帶系數(shù)為： 大于設(shè)定的相似度閾值 ，則第i個高頻子帶系數(shù)為：yx,BiSyx,AiSyx,Bigyx,BiSyx,AiSyx,Aigyx,F

5、ig，yx,MiBA,yx,MiBA,yx,gyx,yx,gyx,yx,gBiBAiAFi 基于窗口的系數(shù)絕對值選大：取窗口領(lǐng)域內(nèi)絕對值最大的系數(shù)作為融合后的系數(shù)。圖像融合圖像融合0AG1AG3AG1AG2AG3AG-0ALP1ALP2ALP3ALP2AG圖像融合圖像融合1BG2BG3BG-0BLP1BLP2BLP3BLP0BG1BG2BG3BG圖像融合圖像融合圖像融合圖像融合金字塔變換圖像分解A高頻A低頻B低頻B高頻F高頻F低頻低頻融合準則高頻融合準則金字塔變換圖像重構(gòu)圖像A圖像B融合圖像F圖像融合圖像融合原始圖像： 圖像增強圖像增強在圖像獲得過程中，因為光照、光照、設(shè)備設(shè)備等原因，會導致圖

6、像不清晰。圖像增強圖像增強 是圖像預(yù)處理的一個重要環(huán)節(jié)，圖像增強是大多數(shù)圖像處理的基礎(chǔ)。圖像增強圖像增強圖像增強的目的目的：改善圖像視覺效果，讓圖像更清晰使圖像更有利于計算機處理針對某些特征進行銳化，如邊緣、輪廓、對比度等。圖像增強圖像增強圖像增強圖像增強灰度直方圖的定義定義： 其中i表示灰度級，L 表示灰度級種類數(shù)，表示圖像中具有灰度級 i 的像素的個數(shù)，N 表示圖像總的像素數(shù)。 1L10iNniHi，圖像增強圖像增強灰度直方圖的定義定義： 表示圖像中具有灰度級i的像素出現(xiàn)的頻率。 其橫坐標是灰度級，縱坐標是該灰度出現(xiàn)的頻率。 1L10iNniHi，圖像增強圖像增強灰度直方圖的特點特點：RS

7、T 不變性；不能有效地表示圖像的空間信息。圖像增強圖像增強直方圖均衡化的原理原理： 通過灰度點運算處理直方圖的變化，把原本比較集中的灰度空間變成在全部灰度范圍內(nèi)的均勻分布，重新分配圖像的像素值，從而使圖像對比度提高、細節(jié)更清晰。 圖像增強圖像增強直方圖均衡化的原理原理：圖像中各種亮度所占的比例大都分布不均勻，設(shè)法增加在直方圖統(tǒng)計中所占比例高的像素和其他占的比例少的像素之間的亮度差，可以提高圖像的顯示效果。 圖像增強圖像增強直方圖均衡化的實現(xiàn)實現(xiàn)：g=EQ ( f ) f為原始圖像在 (x, y) 處的灰度，g為變換后的圖像灰度，則對圖像增強的方法可表述為將在 (x, y) 處的灰度f映射為g。

8、圖像增強圖像增強直方圖均衡化的實現(xiàn)實現(xiàn)：EQ ( f ) 需要滿足兩個條件：EQ（f）在0fL-1范圍內(nèi)是一個增值函數(shù)對于0fL-1，有0gL-1圖像增強圖像增強直方圖均衡化的實現(xiàn)實現(xiàn)： 其中k為灰度級，L表示灰度級種類數(shù)。 1L210knnfEQgikk，圖像增強圖像增強直方圖均衡化的處理結(jié)果處理結(jié)果：分別對兩幅曝光不足與曝光過度的灰度圖像應(yīng)用Matlab編程進行直方圖均衡化。曝光不足轉(zhuǎn)換函數(shù)圖像增強圖像增強直方圖均衡化的處理結(jié)果處理結(jié)果：分別對兩幅曝光不足與曝光過度的灰度圖像應(yīng)用Matlab編程進行直方圖均衡化。曝光過度轉(zhuǎn)換函數(shù)圖像增強圖像增強本課題本課題中直方圖均衡化的處理結(jié)果處理結(jié)果：

9、原始灰度圖像增強后圖像亞像素邊緣檢測亞像素邊緣檢測亞像素邊緣檢測亞像素邊緣檢測 數(shù)字圖像的邊緣檢測是圖像分割、目標識別、區(qū)域形狀提取等圖像分析領(lǐng)域的基礎(chǔ)。亞像素邊緣檢測亞像素邊緣檢測 傳統(tǒng)的邊緣檢測方法的檢測精度最高只能達到一個像素級。 工業(yè)檢測等應(yīng)用對精確度的要求不斷提高，傳統(tǒng)的像素級邊緣檢測方法已經(jīng)不能滿足實際測量的需求，需要更高精度的邊緣檢測方法。亞像素邊緣檢測亞像素邊緣檢測 在視覺檢測系統(tǒng)中，系統(tǒng)的測量精度與邊緣檢測的精度成正比關(guān)系。 提高視覺檢測系統(tǒng)精度的方法有兩種，第一、提高硬件分辨率，但其將導致成本提高；第二、采取亞像素邊緣提取的方法提高邊緣檢測精度。亞像素邊緣檢測亞像素邊緣檢測

10、 傳統(tǒng)的像素級邊緣檢測方法有：Roberts算子，Sobel算子,Prewitt算子，Canny算子，二階微分拉普拉斯算子。 像素級邊緣檢測方法的缺點：在除去噪聲的同時，易將某些邊緣除去；只對階躍型邊緣效果較好。亞像素邊緣檢測亞像素邊緣檢測 像素級方法能夠檢測出邊緣點位于具體的像素點內(nèi)，邊緣存在于像素點的任何位置，最大誤差為0.5個像素。 亞像素級邊緣檢測方法有：曲線擬合法，矩法，數(shù)字相關(guān)法，基于海森矩陣的方法。 亞像素級邊緣檢測方法的邊緣點最大誤差為-1/21/2個像素。亞像素邊緣檢測亞像素邊緣檢測 常見的邊緣形狀有斜坡型、階躍型、高斯型等。高斯型邊緣橫截面零階極大值點、一階過零點、二階極小

11、值點將位于同一點。正常邊緣亞像素邊緣檢測亞像素邊緣檢測顏色吸收區(qū)域亞像素邊緣檢測亞像素邊緣檢測強漫反射區(qū)域亞像素邊緣檢測亞像素邊緣檢測鏡面反射區(qū)域亞像素邊緣檢測亞像素邊緣檢測 實際測量中受噪聲的影響和干擾,極可能出現(xiàn)邊緣的橫截面的二階極小值點與一階過零點不是同一點。且灰度零階極大值點與二階極小值點也不重合。亞像素邊緣檢測亞像素邊緣檢測高斯函數(shù)： 的選擇？ 越大，圖像平滑越厲害，對邊緣的檢測不利。高斯卷積核 22221xexg ygxgyx,gygxgyx,gygxgyx,gygxgyx,gygxgyx,g yy,xy, xx,y,x,亞像素邊緣檢測亞像素邊緣檢測 時，即邊緣的一階過零點在當前像

12、素內(nèi),且二階梯度值大于指定的閾值,則該點為邊緣中心點。 那么以 為基準點的一階過零點亞像素坐標為： yyyxyyxxxxyyxxrnrnnrnrnrnt222 5.0 ,5.05.0，5.0-xyxtn,tn00,yxyxyxtny,tnxp,p00亞像素邊緣檢測亞像素邊緣檢測 某一像素點是邊緣點，其Hessian 矩陣的絕對值最大的特征值為負，且該特征值可近似為該點所對應(yīng)的局部圖像灰度的二階方向?qū)?shù)負極值，相應(yīng)特征向量的單位形式可近似為該點的法線方向。亞像素邊緣檢測亞像素邊緣檢測流程設(shè)計：亞像素邊緣檢測亞像素邊緣檢測亞像素邊緣提取結(jié)果：結(jié)論結(jié)論結(jié)論結(jié)論 金字塔變換的圖像融合中的關(guān)鍵參數(shù)：融合

13、層數(shù)，低頻子帶圖像系數(shù)選擇，高頻子帶圖像系數(shù)選擇。 本方法的優(yōu)點：相對于空間域的圖像融合方法而言，本方法為多分辨率分析，能夠提取更多的細節(jié)圖像信息。結(jié)論結(jié)論 海森矩陣的亞像素邊緣提取方法中的關(guān)鍵參數(shù)：高斯核函數(shù)，二階梯度閾值，邊緣寬度。 本方法的優(yōu)點：總體精度比像素級高，對于階躍型、高斯型、模糊、強度較低邊緣的提取精度高。結(jié)論結(jié)論 圖像融合利用兩幅源圖像的互補性和冗余性，將兩幅圖像包含的不同病態(tài)信息綜合到融合圖像上。 圖像增強提高融合圖像的對比度。 亞像素邊緣提取實現(xiàn)對圖像中的病態(tài)部位的精確定位與分割。結(jié)論結(jié)論 精度分析：圖像增強可能會擴大圖像邊緣，導致定位精度降低；二階梯度閾值的設(shè)定，影響提取出的亞像素邊緣坐標點。結(jié)論結(jié)論 改進方法：一、改變方法次序，先增強、后融合、再亞像素邊緣提??；二、設(shè)置多個二階梯度閾值，分別記錄不同閾值下的亞像素邊緣坐標點。結(jié)論結(jié)論主要參考文獻：1多傳感器圖像融合技術(shù)綜述J北京航空航天大學學報，20022像素級圖像融合方法研究及其性能分析D武漢理工大學，20073CT與MRI圖像融合的評價方法研究J生物工程研究所，20104圖像融合理論與應(yīng)用M高等教育出版社，20025New quality measures for image fusionAProc. of Int.Conf. on Information Fusion, Stockholm,