The invention discloses a fusion method of multi modality medical image representation based on sparse and low rank decomposition, to be the fusion of two images of different multi modality medical images, low rank decomposition of low rank image and sparse image were obtained; using KSVD algorithm to train the low rank dictionary on non medical image selection set. KSVD algorithm using sparse image low rank decomposition on the training set of non medical image sparse dictionary selection set; using sparse representation method of sparse reconstruction of low rank image and sparse image, low rank image reconstruction and sparse reconstruction images were obtained; using sparse representation method of sparse fusion of low rank reconstruction the sparse image and reconstructed image, the fusion image is obtained by calculation; two different multi modality medical image reconstruction, image sparse and low rank difference image reconstruction Then, the difference is added to the fused image to obtain the final sparse fused image. The proposed method is superior to the traditional fusion method in both subjective and objective evaluation indexes.
【技术实现步骤摘要】
一种基于低秩分解和稀疏表示的多模态医学图像融合方法
本专利技术涉及一种基于低秩分解和稀疏表示的多模态医学图像融合方法,属于图像处理领域。
技术介绍
在图像处理领域,图像融合是一项很有发展前景的研究。图像融合技术通过综合同一场景的多传感器图像或者不同场景的同一传感器图像的有用信息来合成一幅融合图像。而合成的融合图像具有前者所有的特征信息,更适合用于后期的处理和研究。一个高效的融合方法可以根据实际需求处理多通道信息。这些优势使得图像融合在很多领域里都特别受欢迎。尤其,在医学影像学为临床提供了超声图像、X射线、电子计算机体层扫描(CT)、磁共振成像(MRI)、数字减影成像(DSA)、正电子发射体层扫描(PET)、单光子发射断层成像(SPECT)等多种模态影像信息。不同的医学影像可以提供人体相关脏器和组织的不同信息,如CT和MRI提供解剖结构信息,而PET和SPECT提供功能信息在实际临床应用中,单一模态图像往往不能提供医生所需要的足够信息,通常需要将不同模态图像融合在一起,得到更丰富的信息以便了解病变组织或器官的综合信息,从而做出准确的诊断或制订出合适的治疗方案。例如,CT利用各种组织器官对X射线吸收系数的不同和计算机断层技术对人体进行成像,它对于骨、软组织和血管的组合成像效果很好,而对软组织则近乎无能为力。MRI利用水质子信息成像,对软组织和血管的显像灵敏度比CT高得多,但对骨组织则几乎不显像。由此可见不同成像技术对人体同一解剖结构所得到的形态和功能信息是互为差异、互为补充的。因此对不同影像信息进行适当的集成便成为临床医生诊断和治疗疾病的尤其重要。随着图像融合 ...
【技术保护点】
一种基于低秩分解和稀疏表示的多模态医学图像融合方法,其特征在于:所述方法的具体步骤如下:Step1、将待融合的两幅不同多模态医学图像A、B,使用矩阵低秩分解理论进行低秩分解分别得到低秩部分图像A1、B1和稀疏部分图像A2、B2;Step2、利用K‑均值的奇异值分解算法对选用的非医学图像集训练低秩字典,利用K‑均值的奇异值分解算法对选用的非医学图像集进行低秩分解后得到的稀疏部分图像集训练稀疏字典;Step3、利用稀疏表示方法对低秩部分图像A1、B1和稀疏部分图像A2、B2进行稀疏重构,分别得到低秩重构图像A1B1和稀疏重构图像A2B2;Step4、利用稀疏表示方法对低秩重构图像A1B1和稀疏重构图像A2B2进行稀疏融合,得到融合图像AB;Step5、根据公式A+B-A1B1-A2B2计算两幅不同多模态医学图像与稀疏重构图像、低秩重构图像之间的差值;Step6、将步骤Step5得到的差值加入到步骤Step4得到的融合图像中,得到最终稀疏融合图像。
【技术特征摘要】
1.一种基于低秩分解和稀疏表示的多模态医学图像融合方法,其特征在于:所述方法的具体步骤如下:Step1、将待融合的两幅不同多模态医学图像A、B,使用矩阵低秩分解理论进行低秩分解分别得到低秩部分图像A1、B1和稀疏部分图像A2、B2;Step2、利用K-均值的奇异值分解算法对选用的非医学图像集训练低秩字典,利用K-均值的奇异值分解算法对选用的非医学图像集进行低秩分解后得到的稀疏部分图像集训练稀疏字典;Step3、利用稀疏表示方法对低秩部分图像A1、B1和稀疏部分图像A2、B2进行稀疏重构,分别得到低...
【专利技术属性】
技术研发人员:李华锋,邓志华,余正涛,王红斌,
申请(专利权)人:昆明理工大学,
类型:发明
国别省市:云南,53
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。