硕士毕业实习实践报告

1、XXX科技大学全日制工程硕士研究生实习实践报告工程领域：电子与通信工程姓 名：学 号：学 院：电子工程学院学校导师：职称：教授校外导师：职称：高工实习时间：研究生院制填表日期填表说明填表说明本表由本人用钢笔或签字笔认真填写，字迹工整，不得涂改。表中所列项目必须全部填写，不留空白。本表可以用手工填写，也可以填写后打印。本表一律用 A3纸正反面复印，以骑马钉方式中间装订。学生实习结束两周内提交，由校内外导师评定，给出成绩，平均成绩为最终成绩。个别栏目不够填时，可重新打印排版或附页。姓 名学号身份证号性别民族学生联系 方式电话校外导师 联系方式电话EmailEmail实习单位名称实习单位地址邮编实

2、习 目 标医学图像融合是多源图像融合的一个研究热点。将本论文提出的算法应用于医院所采集到的CT与MRI图像的融合中，可以解决实际问题， 使得本文算法具有一定的应用价值。 通过这次实习可以开拓视野，完善知识结构，达到理论与实践相结合的目的。实 习 岗 位 介 绍 与 安 排实习岗位为实习研究生，主要负责医学CT与MRI图像融合算法的研究。该实习在校内由硕士导师指导来研究多源图像融合算法，其中医学CT与MRI图像融合的测试数据是由校外导师提供的。在实现医学 CT与MRI图像融合的过程中，完成的主 要工作有：（1）本文仿真实现了几种经典的图像融合方法，如：加权平均方法，基于区域特 征的方法，基于 H

3、IS变换的方法，基于主分量分析的方法，基于金字塔变换的方法以及基 于小波变换的方法等，并给出了仿真结果及各算法性能分析。（2）基于多尺度分析的图像融合方法的一般步骤是：首先对源图像进行多尺度分解得到低频和高频系数，然后对低频和 高频系数采用不同的融合规则得到新的多尺度分解系数，最后进行逆变换来得到融合图像。本文将Directionlet变换作为一种新的多尺度分析工具，结合Directionlet变换所具有的多尺度性、多方向性以及平移不变性等优良特性，提出一种基于Directionlet变换的图像融合方法。融合规则采用低频取平均，高频基于区域方差。对多组图像进行了融合测试，并与基 于小波变换的融

4、合方法进行了对比，实验结果表明本文方法能更好地保留源图像的细节和纹理信息，融合图像看起来比较清晰，能更好的满足人眼对图像的视觉感受。（3）本文根据Directionlet变换所具有的优良特性，提出了基于Directionlet变换的图像融合框架。在该框实 习 内 容 及 过 程架中，融合规则和算子至关重要，融合规则选择的恰当与否直接关系到融合图像质量的优 劣。本文采用自适应加权和基于遗传算法的低频子带融合策略以及基于对比度和树状结构 的高频方向子带融合策略。实验结果表明，基于 Directionlet变换的融合框架所采用的上述 融合规则能得到较优的融合结果，说明该融合规则的有效性和可行性。（4

5、）由于图像的实 习 内 容 及 过 程Directionlet系数与小波系数具有相似的统计特性，本文在图像小波域隐马尔可夫树（HMT）模型的基础上，建立了图像的 Directionlet域HMT模型，并提出了基于 Directionlet域HMT 模型的图像融合方法。在该融合算法中，利用图像的 Directionlet域HMT模型来扑捉不同 尺度Directionlet系数之间的相关性，分别采用基于遗传算法的低频系数融合策略和基于显 著性测量的高频系数融合策略。实验结果表明该算法使融合图像具有更好的细节表达能力， 较少的模糊以及人眼对图像更好的视觉感受。实习内容分如下四个方面：（1）仿真实现几

6、种经典的图像融合方法，如：加权平均方法，基于区域特征的方法，基 于HIS变换的方法，基于主分量分析的方法，基于金字塔变换的方法以及基于小波变换的 方法等，并评价分析各算法的性能。（2）根据Directionlet变换所具有的优良特性，提出基于Directionlet变换的图像融合框架。在该框架中，融合规则和算子至关重要，融合规则选择的恰当与否直接关系到融合图 像质量的优劣，根据不同类型的图像采用不用的低频和高频融合规则。对多组图像进行了 融合测试，评价融合算法性能。（3）由于图像的Directionlet系数与小波系数具有相似的统计特性，在图像小波域隐马 尔可夫树（HMT）模型的基础上，建立图

7、像的Directionlet域HMT模型，并将其与图像融合结合起来。在该融合算法中，利用图像的Directionlet域HMT模型来扑捉不同尺度Directionlet系数之间的相关性，分别米用基于遗传算法的低频系数融合策略和基于显著性 测量的高频系数融合策略。对多组图像进行了融合测试，评价融合算法性能。(4)基于HIS变换的图像融合方法可以有效地提高融合图像的纹理细节特征，因此被广泛用于多光谱与全色图像的融合，但缺点是会导致融合图像产生不向程度的光谱畸变。为了在提高多光谱图像细节信息的同时尽可能地保持其光谱特性，将HIS变换方法和Directionlet域HMT模型结合起来，并将其用于多光谱

8、与全色图像融合。对多光谱与全色图像进行融合测试，评价算法性能。实 习 取 得 的 成 果利用本文提出的多源图像融合方法对多聚焦图像、可见光与红外图像以及遥感图像进行了融合测试，均得到了较好的实验结果。在将该算法应用于校外导师提供的医学CT与MRI图像中，并与小波变换的图像融合方法进行对比。首先，从视觉效果对医学图像融合结果 进行评判，可以看出本文方法所得的融合图像的视觉效果均优于小波变换方法的融合图像。在基于小波变换方法的融合图像中，骨骼成像清晰，而软组织成像模糊，并没有达到结合CT与MRI图像优势信息的目的，而本文方法所得的融合图像充分结合了医学CT与MRI图像的优势信息，使得图像中骨骼和软

9、组织成像均较清晰。说明本文提出的多源图像融合方法 也同样适用于医学图像融合。获得如下成果：. Jing Bai, Baini Zhao, L. C. Jiao. An adaptive remote sensing image fusion algorithm based on Directionlet transform. Proceedings of the SPIE, 2011, 8006: 80061L-800617 （EI 已收录,收 #: 20115214642366）.白静，焦李成，王爽,赵白妮等.基于方向波域隐马尔可夫树模型的多源图像融合方法.个人保证以上内容属实。学生签名：年 月 日指导教师评价意见1、实习生工作态度评价：1、实习生工作态度评价：（10%）遵守学校各项规章制度及相关协议情况2、实习生实践能力评价：（90%）知识体系与学习能力分析问题、动手能力与创新意识职业素质工作量完成实习报告质量3、实习生的不足之处。口很好较好 L较差口很好较好匚If较差口很好较好匚较差口很好较好匚较差口很好较好匚较差口很好较好匚较差1、实习生工作态度评价：（10%）遵守企业各项规章制度及相关协议情况口