基于生成对抗网络的多源医学影像融合算法研究开题报告

 2020-02-18 06:02

1. 研究目的与意义(文献综述)

1.国内外的研究现状分析

图像融合(imagefusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测。

图像融合作为信息融合的一个分支,是当前国内外信息融合研究中的一个热点。图像融合的数据形式是包含有明暗、色彩、温度、距离以及其他的景物特征的图像。这些图像可以以一幅,或者一列的形式给出。而图像融合是将2张或2张以上的图像信息的融合到1张图像上,使得融合的图像含有更多的信息、能够更方便人来观察或者计算机处理。图像融合的目标是在实际应用目标下将相关信息最大合并的基础上减少输出的不确定度和冗余度。图像融合的优点很明显,它能扩大图像所含有的时间空间信息,减少不确定性,增加可靠性,改进系统的鲁棒性能。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

基本内容

1. 学习掌握数据集的预处理过程,对pet图像作预处理,并通过matlab制作pet及mri图像数据集。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排


第1周:选定毕业设计题目,并查找相关资料;

第1~3周:查找资料;撰写开题报告;

第4周:根据系统框架确定设计方案;

第5~8周:完成数据集的预处理及网络框架;

第9~11周:完成代码编写;

第12~13周:完成整个系统,修复出现的错误;

第14~16周:撰写并提交毕业论文;

第17周:答辩。



4. 参考文献(12篇以上)

[1] ma, j.; yu, w.; liang, p.;li, c.; jiang, j. fusiongan: a generative adversarial network for infrared and visibleimage fusion. inf. fus. 2019, 48, 11–26. [crossref]

[2]kaiming he, xiangyu zhang,shaoqing ren, and jian sun. 2015. deep residual learning for image recognition.arxiv preprint arxiv:1512.03385

[3]d. ulyanov, a. vedaldi, andv. lempitsky, “deep image prior,” in proceedings of the ieee conference oncomputer vision and pattern recognition, 2018.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。