基于多尺度分析的醫(yī)學圖像融合算法研究.pdf

1、隨著電子科學發(fā)展，微處理器、硬件和計算機設備等更新換代，醫(yī)學影像技術取得了巨大發(fā)展，并逐步有效輔助臨床診斷。不同的成像技術產生不同模態(tài)的人體醫(yī)學圖像，然而單一模態(tài)的醫(yī)學圖像只能片面、局限地顯示診斷目標或周圍組織，導致醫(yī)護人員無法完整地提取必要醫(yī)學信息，為了解決這一難題，多模態(tài)醫(yī)學圖像融合技術應運而生。該技術將兩種或者多種模態(tài)的圖像進行提取與整合，使得同一目標不同模態(tài)進行信息互補、冗余消除，能夠為臨床醫(yī)學對病灶診斷提供更直觀、更全面、更準

2、確的可靠依據。本文針對多模態(tài)醫(yī)學圖像的特點及多尺度變換的圖像特征，致力基于多尺度分析的醫(yī)學圖像融合算法研究，主要研究工作如下:
　　1)針對人類視覺系統，提出了一種基于人眼視覺特性與自適應PCNN的醫(yī)學圖像融合新方法。首先，對經配準的源圖像進行非下采樣Contourlet變換(NSCT)，得到低頻、高頻子帶系數。然后，由于低頻子帶系數中保留了絕大部分源圖像能量和圖像輪廓特征，提出區(qū)域能量（RE）和梯度奇異值度量(GSVM)相結合的

3、方法;考慮到圖像全局特征問題，將脈沖耦合神經網絡(PCNN)用于高頻子帶系數中，提出區(qū)域視覺對比度和(SLVC)模擬人眼視覺特性作為PCNN的外部刺激輸入，設定PCNN的鏈接強度隨視覺對比敏感度(VCS)自適應變化。最后，對獲得的融合系數進行逆NSCT變換得到融合圖像。
　　2)結合多尺度變換的圖像特征，提出了一種基于紋理特征與相關性結構信息的醫(yī)學圖像融合方法。首先，把源圖像進行NSCT分解，獲得高低頻子帶系數。然后，考慮人眼視覺

4、對紋理特征的敏感性，提出局部差分計盒維數來統計圖像的紋理信息;分析NSCT高頻子帶兄弟系數間及其父子系數間的強相關性，分別計算出系數間的結構相似度與鄰域拉普拉斯能量和，作為高頻子帶系數間的廣義相關性結構信息。再對低頻提出Sigmoid函數自適應融合，對高頻采用廣義相關性結構信息取大法。最后進行逆NSCT變換得到融合圖像。
　　3)本文通過對灰度圖像及彩色圖像融合大量實驗對比分析，實驗結果表明本文的融合新方法保留了源圖像更多的輪廓、