基于離散小波變換的多模態(tài)醫(yī)學圖像融合算法研究.pdf

1、多模態(tài)醫(yī)學圖像融合是指將不同模態(tài)的醫(yī)學圖像進行整合，充分利用不同種類醫(yī)學影像的互補性和冗余性，從而得到比單一醫(yī)學影像更豐富、更精確的病灶細節(jié)信息的過程，被廣泛應用于非侵入性診斷、圖像引導照射、放療計劃等方面。雖然圖像融合算法層出不窮，但適用于醫(yī)學圖像融合的算法很少，多是基于多聚焦圖像提出的，且獲得高質量的融合圖像依然具有挑戰(zhàn)性。本文研究基于離散小波變換的圖像融合算法，主要內容如下:
　　(1)研究了基于離散小波變換的多模態(tài)圖像融合

2、改進算法。圖像融合的質量主要取決于融合算法、分解層數(shù)、融合規(guī)則等，為了獲得最佳融合效果，本文著重對融合規(guī)則進行探討。根據(jù)醫(yī)學圖像的特點，在離散小波變換的基礎上分別制定針對高頻系數(shù)和低頻系數(shù)的融合規(guī)則，選用不同的分解層數(shù)，并對融合圖像結果進行鄰域一致性檢驗。通過對不同融合算法、不同分解層數(shù)、不同融合規(guī)則以及在噪聲環(huán)境下和臨床實例中得到的融合結果比較分析可得:本文提出的融合規(guī)則非常適合醫(yī)學圖像的融合處理，能保存圖像大部分低頻信息，提高圖像分

3、清晰度和對比度;同時銳化圖像的邊緣、紋理等細節(jié)信息。本文提出的融合方法在主觀視覺和客觀評價指標方面均優(yōu)于其他融合算法，即使在噪聲環(huán)境下和臨床實例應用中依然具有優(yōu)越性。
　　(2)針對小波變換不能對高頻子圖像進一步分解的局限性，將小波包變換引入醫(yī)學圖像融合中。繼續(xù)采用本文提出的高低頻圖像融合規(guī)則，比較分析小波變換和小波包變換的圖像融合結果可知:分解層數(shù)較低時，基于小波包變換的融合圖像細節(jié)信息更豐富、與源圖像的相關度更高、清晰度更高，

4、小波包變換融合性能優(yōu)于小波變換;分解層數(shù)較高時，兩種變換所得的融合圖像差別較大，但是基于小波包變換的融合圖像失真程度變大、活躍程度變小、計算量增加，小波變換的融合圖像質量優(yōu)于小波包變換。因此，在對醫(yī)學圖像進行融合時，小波包變換并不一定占優(yōu)勢，要根據(jù)實際需求來選擇融合算法和分解層數(shù)。
　　綜上可知，本文設計的融合規(guī)則能兼顧高低頻子圖像的特點，克服了傳統(tǒng)融合規(guī)則的局限性;在此基礎上采用離散小波變換和小波包變換均能得到高質量的融合圖像，