[发明专利]一种基于瑞利噪声分布的超声与磁共振影像融合方法

摘要

本发明公开了一种基于瑞利噪声分布及非负矩阵分解的超声与磁共振影像融合方法，本方法具体步骤如下：步骤1：基于自适应加权非负矩阵分解A＝WUV，将超声图像和磁共振图像分别转化为列向量US和MRI，构建非负矩阵A，并令A＝[US,MRI]，构建非负的权重矩阵W＝[WUS,WMRI]，W的每一个元素值都被初始化为0.5，U为按照行优先转换后的列向量；步骤2：计算超声和磁共振图像对应的梯度能量矩阵并记为EOGUS和EOGMRI，对应两个梯度能量矩阵元素的较大值构成梯度能量矩阵EOGUS～MRI；步骤3：对U和V进行随机初始化；步骤4：对U和V进行迭代求解；步骤5：更新非负的权重矩阵W；步骤6：如果迭代满足结束条件，那么转到步骤7；如果迭代不满足结束条件，转到步骤4；步骤7：将向量U转换为矩阵，即为融合结果。

主权项

1.一种基于瑞利噪声分布的超声与磁共振影像融合方法，其具体步骤如下：步骤1：基于自适应加权非负矩阵分解A＝WUV，首先根据行优先，将超声图像和磁共振图像分别转化为列向量US和MRI，构建非负矩阵A，并令A＝[US,MRI]，构建非负的权重矩阵W＝[WUS,WMRI]，并且非负的权重矩阵W的每一个元素值都被初始化为0.5；W和A均为k×2矩阵，这里k＝n×m；U、V分别为非负的k×r矩阵和非负的r×2矩阵，其中r＝1，即U为按照行优先转换后的列向量；步骤2：计算超声图像和磁共振图像对应的梯度能量矩阵并记为EOGUS和EOGMRI，并对上述两个梯度能量矩阵对应的元素进行比较，对应元素的较大值构成梯度能量矩阵EOGUS～MRI；步骤3：对U和V进行随机初始化；步骤4：对U和V进行迭代求解；步骤5：更新非负的权重矩阵W；步骤6：如果迭代满足结束条件||A‑WUV||2＜0.01，那么转到步骤7；如果迭代不满足结束条件，转到步骤4。步骤7：基于行优先，将向量U转换为矩阵，即为融合结果，融合过程结束；