联合稀疏表示的医学图像融合及同步去噪

摘要：

将多模态医学图像的互补信息有机地融合在一起,可为临床诊断和辅助治疗提供丰富信息和有效帮助.基于联合稀疏模型,提出一种联合稀疏表示的医学图像融合算法,当图像被噪声污染时,该算法在融合的同时兼有去噪功能.首先,将配准的源图像编纂成列向量并组成联合矩阵,通过在线字典学习算法(ODL)得到该矩阵的超完备字典;其次,利用该字典得到联合稀疏模型下的联合字典,之后利用最小角回归算法(LARS)计算基于联合字典的公共稀疏系数和各图像的独特稀疏系数,并根据“选择最大化”融合规则得到融合图像的稀疏系数;最后,根据融合系数和超完备字典重构融合图像.将该算法与3种经典算法比较,结果显示其主观上亮度失真和对比度失真较小,边缘纹理清晰,客观参数指标MI、QAB/F在无噪声干扰和有噪声干扰时的统计均值分别为:3.992 3、2.896 4、2.505 5和0.658、0.552 4、0.439 6,可以为临床诊断和辅助治疗提供有效帮助.

关键词：联合稀疏表示、在线字典学习、医学图像融合、图像去噪

所属期刊栏目：35

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：2016-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：133-140