基于混沌遗传算法及contourlet变换医学图像融合.docVIP

基于混沌遗传算法及contourlet变换医学图像融合 　【摘要】 　　目的： 改善传统医学图象融合方法对细节信息的丢失. 方法： 利用contourlet的多尺度、方向性和各向异性等优点，提出了一种基于局域特性匹配度融合的改进算法. 首先对原图进行contourlet分解，对分解各子带构造局域特征的匹配度，设定匹配度的阈值，对匹配度在不同阈值范围内的系数进行不同的加权融合；最后对融合系数进行contourlet逆变换得到融合图像. 在阈值的选取上，引入混沌遗传算法求解阈值的全局最优解. 结果： 运用传统小波变换和本文提出对方法对两组医学图象进行融合处理，客观评价参数表明本文提出的算法效果更优. 结论： 该算法能够在保有原图信息的同时，有效的增强细节信息. 【关键词】 contourlet 医学图像 图像融合 遗传算法 　　【Abstract】AIM: To improve the traditional image fusion algorithm in order to avoid the loss of the detailed information in the processe of image fusion. METHODS: Utilizing the contourlets advantages of multiscale,directionality and anisotropy,an advanced image fusion algorithm based on characteristic matching of region statistics in contourlet domain was proposed in this paper. First，the source images were transformed into contourlet domain. Then,we constructed the characteristic matching of each subband and set a threshold for it. The coefficients whose characteristic matching was in different ranges applied different fusion rules. Finally, the fused image was obtained by taking the inverse contourlet transformation. Chaos genetic algorithm was adopted to optimize fusion image by searching optimal solution of the threshold of characteristic matching. RESULTS: The comparison between the result of the traditional method and that of the proposed method showed that the later one was better. CONCLUSION: The proposed method can effectively preserve the information of the source images and enhance the details of the fused image. 　　【Keywords】 contourlet; medical image; image fusion; genetic algorithms 　　0 引言 　　传统的医学图像融合算法多采用基于小波变换，小波系数加权平均，或者阈值法融合，但二维可分小波仅能捕捉有限的方向信息，不能稀疏的表示含线或者面奇异的二维图像［1-3］. Do等［4］提出了一种稀疏的图像二维表示方法： contourlet变换. 该变换的“各向异性(anisotropy)”使得它能比小波变换更好的表现边缘特征，更加适合用来进行图像的处理［5］. 并且小波变换下的传统方法有很大的局限，比如加权平均法中加权因子和基于特征匹配度融合方法中的阈值大小都不易确定［6］. 本文提出了一种新的基于匹配度融合算法：在contourlet变换多方向的优势下，阈值的确定采用混沌遗传算法. 混沌遗传算法是近年提出的一种优化算法，能够有效的防止遗传算法的“早熟”问题，使得遗传算法能够以更快的速度收敛，得到阈值的全局最优解. 　　1 材料和方法 　　1.1 材料 选用两组融合图象，一组为实验标准图象，另一组为腰椎冠