[发明专利]一种变换域HMT模型的脑磁共振体数据自适应增强方法在审
| 申请号： | 201811091606.5 | 申请日： | 2018-09-19 |
| 公开（公告）号： | CN109345516A | 公开（公告）日： | 2019-02-15 |
| 发明（设计）人： | 程和伟;覃恒基;李章勇;王伟;赵德春;田银;冉鹏;刘洁 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T5/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 400065*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种变换域HMT模型的脑磁共振体数据自适应增强方法，属于医学图像处理领域，本方法将小波变换和隐马尔科夫链进行有机结合。根据单个小波系数的概率密度函数呈高峰值、长拖尾的非高斯分布的特性，对单个小波系数的随机性建立高斯混合模型。同时，小波系数在尺度间传递的持续性采用隐马尔科夫树(Hidden Markov Tree,HMT)来描述。以此建立小波域隐马尔科夫树模型，使用EM算法对模型进行求解。使用HMT模型的解，估计无噪声干扰情况下小波系数取值的期望。对经过噪声抑制后的小波系数进行三维小波逆变换，得到增强的脑磁共振体数据。通过主观和客观评价可知，该小波自适应增强方法比小波阈值增强方法具有更好的视觉信息保真度。 | ||
| 搜索关键词： | 小波系数 磁共振 体数据 自适应 变换域 小波 主观和客观评价 随机性 概率密度函数 高斯混合模型 医学图像处理 非高斯分布 马尔科夫链 小波逆变换 视觉信息 小波变换 有机结合 噪声抑制 保真度 持续性 树模型 无噪声 小波域 求解 拖尾 三维 尺度 传递 期望 高峰 | ||
【主权项】：
1.一种变换域HMT模型的脑磁共振体数据自适应增强方法，其特征在于，所述变换域为小波域、HMT模型为隐马尔科夫树(Hidden Markov Tree)模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆邮电大学，未经重庆邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811091606.5/，转载请声明来源钻瓜专利网。
