基于K-SVD的医学图像特征提取和融合算法.docxVIP

2014年第九届国际学术会议讨论P2P，并行，网格，云计算和互联网计算基于K-SVD的医学图像特征提取和融合算法陈弘历华东交通大学软件学院中国南昌 chl@黄昭化华东交通大学软件学院中国南昌hzh_nc@163.com摘要为了更好地融合CT(计算机断层扫描)和MR(核磁共振)图像，以经典的图像融合方法为依据，目前提出了一种基于K-SVD的图像特征提取和融合算法，即图像稀疏表示。通过滑动窗对所有原始图像分块，再通过字典编纂为列向量，将所有的列向量构成联合矩阵，通过K奇异值分解(K-SVD)算法训练该联合矩阵的冗余字典，然后，我们求解出各个原始图像的稀疏系数矩阵，并结合非零元素的稀疏系数，实现了图像特征融合。最后，从组合的稀疏系数和超完备字典的重构得到融合图像。本文的方法是能够增强图像的特征提取和抗噪声干扰能力。实验结果表明，本文的方法能较好地保留原始图像中的有用信息，使融合图像的细节清晰。与其他的融合算法进行比较，结果表明本文所提算法在无噪声和有噪声的情况下都具有很好的融合性能。关键词：特征提取；图像融合；K奇异值分解(K-SVD)算法一引言近年来，医学成像技术在临床诊断和治疗中得到广泛应用。计算机断层扫描(CT)与核磁共振(MR)图像是非常重要的医学图像。CT图像的成像原理是不同的人体组织对X射线的吸收不同，影像中的骨组织相对较清晰。MRI技术是利用强磁场中射频脉冲和氧原子核的相互