基于多尺度變換的醫(yī)學圖像融合算法研究與應用.pdf

1、隨著科學技術(shù)的快速發(fā)展，醫(yī)學圖像融合技術(shù)已經(jīng)成為信息技術(shù)中的一個重要組成部分，并在臨床醫(yī)學影像診斷領(lǐng)域中得到了廣泛應用。醫(yī)學圖像融合技術(shù)能夠解決單一成像設備獲取數(shù)據(jù)信息量不足的問題，將不同成像原理的醫(yī)學圖像融合成信息更為豐富、清晰、全面的新圖像，能夠方便快速地為醫(yī)生提供治療診斷依據(jù)?；谝陨戏治觯驹谠诮榻B圖像融合基礎知識的基礎上，重點研究了醫(yī)學圖像融合算法，并開發(fā)醫(yī)學圖像融合軟件。主要研究工作如下：
　　1)針對醫(yī)學圖像融合算法

2、未充分考慮源圖像間差異性的不足，提出了一種基于互信息特征的多模態(tài)融合算法。源圖像經(jīng)過提升小波變換分解為低頻子帶和高頻子帶。由于相鄰的低頻子帶系數(shù)間具有相關(guān)性的特性，并且圖像的大量基礎信息都在低頻子帶中，所以采用區(qū)域平均能量加權(quán)的融合規(guī)則。對于高頻子帶，根據(jù)各高頻子帶互信息值的大小，通過選取閥值將高頻子帶分為高互信息量部分和低互信息量部分。對低互信息高頻子帶采用區(qū)域梯度能量與區(qū)域標準差相結(jié)合的融合規(guī)則，對高互信息高頻子帶采用邊緣強度取大的

3、融合規(guī)則。
　　2)對基于互信息特征的醫(yī)學圖像融合算法做了大量的圖像仿真實驗和研究。對于灰度圖像融合，分別采用CT圖像和MRI圖像、MR-T1和MR-T2圖像進行融合仿真。對于彩色圖像，采用SPECT圖像和MRI圖像進行融合仿真。通過與目前較新的融合算法進行比較，實驗結(jié)果表明提出的基于互信息特征融合算法得到的融合圖像紋理清晰，信息豐富，灰度級更為分散，對比度更好，在視覺上相比其他算法也較好。同時客觀性評價指標也表明，采用本文融合算

4、法得到的圖像在空間頻率和邊緣強度上有所提升，能有效地保留源圖像的重要信息。
　　3)針對醫(yī)學圖像的特性，以及新的圖像融合算法的改進，設計并開發(fā)出多模態(tài)醫(yī)學圖像融合軟件。圖像融合軟件采用C++語言開發(fā)，以Windows系統(tǒng)為平臺，通過調(diào)用OpenCV(Open Source Computer Vision Library)中的庫函數(shù)對圖像進行處理。通過圖像前期預處理方法，提升了源圖像中邊緣紋理等重要信息。在圖像配準中，增加圖像的手動