基于在线字典学习的医学图像特征提取与融合

摘要：

提出一种基于在线字典学习(ODL)的医学图像特征提取与融合的新算法.首先,采用大小为8像素×8像素的滑动窗处理源图像,得到联合矩阵;通过ODL算法得到该联合矩阵的冗余字典,并利用最小角回归算法(LARS)计算该联合矩阵的稀疏编码;将稀疏编码列向量的1范数作为稀疏编码的活动级测量准则,然后根据活动级最大准则融合稀疏编码;最后根据融合后的稀疏编码和冗余字典重构融合图像.实验图像为20位患者的已配准脑部CT和MR图像,采用5种性能指标评价融合图像的质量,同两种流行的融合算法比较.结果显示,所提出算法的各项客观指标均值最优,Piella指数、QAB/F指数、MIAB/F指数、BSSIM指数和空间频率的均值分别为0.800 4、0.552 4、3.630 2、0.726 9和31.941 3,融合图像对比度、清晰度高,病灶的边缘清晰,运行速度较快,可以辅助医生诊断和临床治疗.

关键词：图像融合、在线字典学习算法(ODL)、最小角回归算法(LARS)

所属期刊栏目：33

分类号：TP391;TN911.73(计算技术、计算机技术)

资助基金：国家自然科学基金81241059,61172108;国家科技支撑计划项目2012BAJ18B06

在线出版日期：2014-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：283-288