阿克巴普·坦纳兹;沙姆西·穆萨;丹麦萨巴兰;普雷萨·马苏德 使用非子采样剪切波变换和粒子群优化的多模态医学图像融合。 （英语） Zbl 1455.92080号 多维系统。信号处理。 31，第1号，269-287（2020）. 摘要：近几十年来，医学成像已成为现代医学中不可或缺的工具。各种类型的成像系统提供关于组织的结构和功能信息。但大多数时候，这两种信息都是做出正确决策所必需的。图像融合的目的是在一幅图像中收集不同来源的互补信息，以获得更丰富的信息。为此，本文提出了一种新的方法。在该方法中，源图像首先使用非子采样剪切波变换进行分解。通过主成分分析和粒子群优化来提取大部分相关信息并将其合并以获得融合任务的最佳权重。融合图像是通过根据前面步骤获得的权重合并源图像来提供的。定量和定性分析证明，与著名的融合方法相比，我们的方法具有更好的性能。实验结果表明，与随后的最佳方法相比，在峰值信噪比（+8.85%）、熵（+3.48%）、标准偏差（+16.3%）和质量指数（+14.84%）方面有了改进。 引用于2文件 MSC公司： 92 C55 生物医学成像和信号处理 62页第10页 统计学在生物学和医学中的应用；元分析 90 C59 数学规划中的近似方法和启发式 关键词：医学图像融合;非次采样剪切变换;粒子群优化;主成分分析 PDF格式BibTeX公司 XML格式引用 \textit{A.Tannaz}等人，《多维系统》。信号处理。31，第1号，269--287（2020；Zbl 1455.92080） 全文： 内政部 参考文献： [1] Al-Azzawi，N.、Sakim，H.A.M.、Abdullah，A.K.W.和Ibrahim，H.（2009年）。基于PCA的复杂轮廓波变换医学图像融合方案。在2009年医学和生物学会IEEE工程年度国际会议上。EMBC 2009（第5813-5816页）。电气与电子工程师协会。 [2] 阿里，F。；El-Dokany，I。；萨阿德，A。；Abd El-Samie，Fe-S，MR和CT图像的Curvelet融合，电磁学研究进展C，3，215-224（2008）·doi:10.2528/PIERC08041305 [3] 小本杰明；Jayasree，T.，基于级联PCA和平移不变小波变换的改进医学图像融合，国际计算机辅助放射外科杂志，13，2，229-240（2018）·doi:10.1007/s11548-017-1692-4 [4] Bhadauria，Hs；Dewal，MI，使用曲线变换和总变分的自适应融合进行医学图像去噪，计算机与电气工程，39，5，1451-1460（2013）·doi:10.1016/j.compleceng.2012.04.003 [5] Bhateja，V。；帕特尔，H。；Krishn，A。；Sahu，A。；Lay-Ekuakille，A.，使用小波和轮廓波变换域级联的多模态医学图像传感器融合框架，IEEE传感器杂志，15，12，6783-6790（2015）·doi:10.1109/JSEN.2015.2465935 [6] 巴特纳加，G。；吴，Qj；Liu，Z.，NSCT领域基于对比度的指令多模态医学图像融合，IEEE多媒体汇刊，15，5，1014-1024（2013）·doi:10.1109/TMM.2013.2244870 [7] 巴特纳加，G。；Wu，Qj；Liu，Z.，一种新的基于对比度的多模式医学图像融合框架，神经计算，157143-152（2015）·doi:10.1016/j.neucom.2015.01.025 [8] Bradley，A.P.（2003）。离散小波变换中的移位方差。《第六届数字图像计算：技术与应用会议论文集》，悉尼。 [9] Cao，Y.、Li，S.和Hu，J.（2011）。基于非采样shearlet变换的多聚焦图像融合。2011年，第六届国际图像与图形会议（ICIG）（第17-21页）。电气与电子工程师协会。 [10] Chen，H-Y；Leou，J-J，使用粒子群优化的多光谱和多分辨率图像融合，多媒体工具和应用，60，3，495-518（2012）·doi:10.1007/s11042-011-0820-3 [11] Cui，Z.、Zhang，G.和Wu，J.（2009）。基于小波变换和独立分量分析的医学图像融合。在2009年国际人工智能联合会议上。JCAI'09（第480-483页）。电气与电子工程师协会。 [12] Do，锰；Vetterli，M.，contourlet变换：一种高效的定向多分辨率图像表示，IEEE图像处理汇刊，14，12，2091-2106（2005）·doi:10.1109/TIP.2005.859376 [13] Dou，W.，Ruan，S.，Liao，Q.，Bloyet，D.，&Constans，J.-M.（2003）。基于知识的模糊信息融合应用于MRI异常脑组织的分类。第七届信号处理及其应用国际研讨会，2003年。会议记录（第1卷，第681-684页）。电气与电子工程师协会。 [14] Easley，G。；拉巴特，D。；Lim，W-Q，使用离散剪切波变换的稀疏方向图像表示，应用和计算谐波分析，25，1，25-46（2008）·Zbl 1147.68794号 ·doi:10.1016/j.acha.2007.09.003 [15] Eberhart，R.和Kennedy，J.（1995）。使用粒子群理论的新优化器。1995年第六届国际微机械与人类科学研讨会论文集。MHS’95（第39-43页）。电气与电子工程师协会。 [16] Ehlers，M.，遥感中的多传感器图像融合技术，ISPRS摄影测量与遥感杂志，46，1，19-30（1991）·doi:10.1016/0924-2716（91）90003-E [17] Ganasala等人。；Kumar，V.，非次采样轮廓波变换域中的CT和MR图像融合方案，数字成像杂志，27，3，407-418（2014）·doi:10.1007/s10278-013-9664-x [18] Ganasala，P。；Kumar，V.，NSST域基于特征激励的简化自适应PCNN医学图像融合算法，数字成像杂志，29，1，73-85（2016）·数字对象标识代码：10.1007/s10278-015-9806-4 [19] Hill，P.R.、Canagarajah，C.N.和Bull，D.R.（2002年）。基于复小波的图像融合。BMVC（第1-10页）。 [20] Himanshi，B.V.、Krishn，A.和Sahu，A.（2015）。基于PCA和最大值选择规则的曲线域医学图像融合。在印度海得拉巴举行的（施普林格）第二届计算机与通信技术国际会议（IC3T-2015）论文集（第1卷，第1-9页）。柏林：斯普林格。 [21] 英迪拉，K。；血肿，Rr；Indhumathi，R.，使用离散小波变换和平稳小波变换的基于像素的医学图像融合技术，印度科学技术杂志，8，26，1-7（2015）·doi:10.17485/ijst/2015/v8i26/56192 [22] 贾加林加姆，P。；Hegde，Av，《融合图像质量指标综述》，《水产加工》，第4期，第133-142页（2015年）·doi:10.1016/j.aqpro.2015.02.019 [23] 阿普·詹姆斯；Dasarathy，Bv，《医学图像融合：最新技术综述》，《信息融合》，第19期，第4-19页（2014年）·doi:10.1016/j.inffus.2013.12.002 [24] 姜瑜。；Wang，M.，带形态成分分析的图像融合，信息融合，18，107-118（2014）·doi:10.1016/j.inffus.2013.06.001 [25] 科利，S。；加兰德，A。；Kelkar，B。；阿克·萨杜（Ak Sadhu）；Sarkar，D。；Chakraborty，C.，使用轮廓波变换和模糊统计增强脑膜瘤脑肿瘤和水肿可视化的多光谱MRI图像融合，医学和生物工程杂志，36，4，470-484（2016）·文件编号：10.1007/s40846-016-0149-5 [26] Krishn，A.、Bhateja，V.和Sahu，A.（2014）。基于PCA和小波分析的医学图像融合。2014年，计算、通信和信息学进展国际会议（ICACCI）（第986-991页）。电气与电子工程师协会。 [27] Krishn，A.、Bhateja，V.和Sahu，A.（2015）。基于主成分分析的脊波域医学图像融合。2014年第三届智能计算前沿国际会议论文集：理论与应用（FICTA）（第475-482页）。柏林：斯普林格。 [28] 李，S。；康，X。；方，L。；胡，J。；Yin，H.，《像素级图像融合：现状调查》，《信息融合》，33，100-112（2017）·doi:10.1016/j.infus.2016.05.004 [29] 李，S。；康，X。；Hu，J.，带引导滤波的图像融合，IEEE图像处理汇刊，22,72864-2875（2013）·doi:10.1109/TIP.2013.2253483 [30] 李·T。；Wang，Y.，使用基于NSCT的可变加权方法进行生物图像融合，信息融合，12，2，85-92（2011）·doi:10.1016/j.inffus.2010.03.007 [31] 李，S。；杨，B。；Hu，J.，图像融合中不同多分辨率变换的性能比较，信息融合，12，2，74-84（2011）·文件编号：10.1016/j.infus.2010.03.002 [32] 刘，X。；梅，W。；Du，H.，基于图像分解框架和非子采样剪切波变换的多模态医学图像融合，生物医学信号处理与控制，40，343-350（2018）·doi:10.1016/j.bspc.2017.0.001 [33] 刘，Z。；尹，H。；Chai，Y。；Yang，Sx，一种新的多模式医学图像融合方法，专家系统与应用，41，1677425-7435（2014）·doi:10.1016/j.eswa.2014.05.043 [34] 马索普洛斯，G。；马歇尔，S。；Brunt，J.，人脑MR和CT图像的多分辨率形态学融合，IEE进展-视觉、图像和信号处理，141，3，137-142（1994）·doi:10.1049/ip-vis:19941184 [35] Moin，A.、Bhateja，V.和Srivastava，A.（2016）。基于加权PCA的contourlet域多模态医学图像融合。《信息和通信技术国际会议记录》（第597-605页）。柏林：斯普林格。 [36] 波尔，C。；Van Genderen，Jl，评论文章《遥感中的多传感器图像融合：概念、方法和应用》，《国际遥感杂志》，19，5，823-854（1998）·doi:10.1080/014311698215748 [37] Prakash，C.、Rajkumar，S.和Mouli，P.C.（2012年）。基于冗余DWT和Mamdani型最小均方差技术的医学图像融合及定量分析。2012年计算和软件系统最新进展国际会议（RACSS）（第54-59页）。电气与电子工程师协会。 [38] Radhouani，S.、Kalpathy-Cramer，J.、Bedrick，S.，Bakke，B.和Hersh，W.（2009年）。利用媒体融合和域维数提高医学图像检索的精度。欧洲语言跨语言评估论坛研讨会（第223-230页）。柏林：斯普林格。 [39] Rangarajan，P.，基于离散小波变换的医学图像融合脑肿瘤检测，生物医学研究，28，3，684-688（2017） [40] Ravichandran，A.、Raja，A.和Kanmani，M.（2017年）。熵优化图像融合：使用粒子群技术和离散小波变换。2017年电力、能源信息和通信计算国际会议（ICCPEIC）（第068-074页）。电气与电子工程师协会。 [41] 桑杰，Ar；Soundrapandiyan，R。；卡鲁皮亚，M。；Ganapathy，R.，基于离散小波变换和2型模糊逻辑的CT和MRI图像融合，国际智能工程与系统杂志，10，3，355-362（2017）·doi:10.22266/ijies2017.0630.40 [42] Sharmila，K.、Rajkumar，S.和Vijayarajan，V.（2013）。利用离散小波变换和熵概念进行多模态医学图像融合的混合方法，并进行定量分析。2013年通信和信号处理国际会议（ICCSP）（第489-493页）。电气与电子工程师协会。 [43] Shlens，J.（2014）。主成分分析教程。arXiv预打印arXiv:1404.1100。 [44] 帅奇。；杰，Z。；彭，G。；秀玲，L。；于超，S.，基于非抽样方向复小波变换的医学图像融合，国际应用数学与机器学习杂志，1，1，21-34（2014） [45] 辛格，S。；古普塔，D。；阿南德，R。；Kumar，V.，《利用生物激励脉冲神经网络进行基于非亚采样剪切波的CT和MR医学图像融合》，生物医学信号处理与控制，18，91-101（2015）·doi:10.1016/j.bspc.2014.11.009 [46] Singh，H.、Raj，J.、Kaur，G.和Meitzler，T.（2004）。使用模糊逻辑的图像融合及其应用。2004年IEEE模糊系统国际会议，2004年。会议记录（第1卷，第337-340页）。电气与电子工程师协会。 [47] Tang，L。；钱，J。；李，L。；胡，J。；Wu，X.，基于离散T chebichef矩和脉冲耦合神经网络的多模态医学图像融合，国际成像系统与技术杂志，27，1，57-65（2017）·doi:10.1002/ima.22210 [48] Tang，L.、Zhao，F.和Zhao、Z.-G.（2007）。用于图像融合的非子采样轮廓波变换。2007年，在小波分析和模式识别国际会议上。ICWAPR'07（第1卷，第305-310页）。电气与电子工程师协会。 [49] 维贾亚拉扬，R。；Muttan，S.，基于离散小波变换的医学图像主成分平均融合，AEU-国际电子与通信杂志，69，6，896-902（2015）·doi:10.1016/j.aeue.2015.02.007 [50] 王，Z。；博维克，澳大利亚；谢赫，Hr；Simoncelli，Ep，《图像质量评估：从错误可见性到结构相似性》，IEEE图像处理汇刊，13，4，600-612（2004）·doi:10.1109/TIP.2003.819861 [51] 王，Z。；Ma，Y.，使用m-PCNN的医学图像融合，信息融合，9，2，176-185（2008）·doi:10.1016/j.inffus.2007.04.003 [52] Yang，Y。；停车，Ds；黄，S。；Rao，N.，《通过有效的基于小波的方法进行医学图像融合》，《EURASIP信号处理进展杂志》，2010，1579341（2010）·doi:10.1155/2010/579341 [53] Yang，Y。；Que，Y。；黄，S。；Lin，P.，基于NSCT域2型模糊逻辑的多模态传感器医学图像融合，IEEE传感器杂志，16，10，3735-3745（2016）·doi:10.10109/JSEN.2016.2533864 [54] Yang，Y。；唐，S。；黄，S。；Lin，P.，《NSCT领域基于Log-Gabor能量的多模态医学图像融合》，《医学中的计算和数学方法》（2014）·Zbl 1307.92256号 ·doi:10.1155/2014/835481 [55] Zhao，Y。；赵（Q.Zhao）。；Hao，A.，使用改进的多通道PCNN进行多模态医学图像融合，生物医用材料与工程，24，1，221-228（2014）·doi:10.3233/BME-130802 [56] Zheng，Y.、Essock，E.A.和Hansen，B.C.（2004年）。一种基于小波变换的高级图像融合算法：结合主成分分析和形态学处理。图像处理：算法和系统III（第5298卷，第177-188页）。国际光学与光子学学会。 [57] 朱，Xx；Bamler，R.，稀疏图像融合算法及其在泛锐化中的应用，IEEE地球科学与遥感汇刊，51，5827-2836（2013）·doi:10.1109/TGRS.2012.2213604 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。