基于多尺度變換的醫(yī)學(xué)圖像融合算法研究與應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的快速發(fā)展，醫(yī)學(xué)圖像融合技術(shù)已經(jīng)成為信息技術(shù)中的一個(gè)重要組成部分，并在臨床醫(yī)學(xué)影像診斷領(lǐng)域中得到了廣泛應(yīng)用。醫(yī)學(xué)圖像融合技術(shù)能夠解決單一成像設(shè)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(xué)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?，本在在介紹圖像融合基礎(chǔ)知識(shí)的基礎(chǔ)上，重點(diǎn)研究了醫(yī)學(xué)圖像融合算法，并開發(fā)醫(yī)學(xué)圖像融合軟件。主要研究工作如下：
　　1)針對(duì)醫(yī)學(xué)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(chǔ)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(duì)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(duì)低互信息高頻子帶采用區(qū)域梯度能量與區(qū)域標(biāo)準(zhǔn)差相結(jié)合的融合規(guī)則，對(duì)高互信息高頻子帶采用邊緣強(qiáng)度取大的

3、融合規(guī)則。
　　2)對(duì)基于互信息特征的醫(yī)學(xué)圖像融合算法做了大量的圖像仿真實(shí)驗(yàn)和研究。對(duì)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(jìn)行融合仿真。對(duì)于彩色圖像，采用SPECT圖像和MRI圖像進(jìn)行融合仿真。通過與目前較新的融合算法進(jìn)行比較，實(shí)驗(yàn)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(jí)更為分散，對(duì)比度更好，在視覺上相比其他算法也較好。同時(shí)客觀性評(píng)價(jià)指標(biāo)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(qiáng)度上有所提升，能有效地保留源圖像的重要信息。
　　3)針對(duì)醫(yī)學(xué)圖像的特性，以及新的圖像融合算法的改進(jìn)，設(shè)計(jì)并開發(fā)出多模態(tài)醫(yī)學(xué)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(tái)，通過調(diào)用OpenCV(Open Source Computer Vision Library)中的庫函數(shù)對(duì)圖像進(jìn)行處理。通過圖像前期預(yù)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(zhǔn)中，增加圖像的手動(dòng)