[发明专利]基于脊波变换的医学数字减影图像融合方法

说明书

技术领域

本发明属于医学图像处理技术中的图像融合领域，涉及一种医学数字 减影(DSA)图像的自适应融合方法，具体涉及动态模糊技术与Ridgelet 变换理论。

背景技术

当今世界，心脑血管疾病正严重威胁着人类的健康和生命安全。但血 管类软组织的诊断却相当复杂，极大地依赖于计算机与X线血管造影技术 等高科技手段。

数字减影血管造影(DSA)是20世纪80年代兴起的一种医疗图像学新 技术，是计算机与常规X线血管造影相结合的一种新的检查方法，它集数 字电子学、计算机技术与血管造影于一体的新技术，它具有实时成像、分 辨率高、减影效果及绘制血管路径图等特点，可清晰地显示血管形态及分 支，是研究血管影像特征的有效方法。DSA图像是通过将造影剂注入到心 脑血管等感兴趣部位，将相同部位造影剂注入前后的两幅X射线成像图像 相减，去除非感兴趣器官对X射线吸收形成的背景图像，以得到的清晰的 血管造影图像。

由于脑部血管形态结构复杂，粗细不均，个体差异又客观存在，导致 造影剂在血管里的流动速度不一致，从而产生了差异极大的DSA序列图 像。单幅序列图像只能代表局部血管影像状况。医生观察整个序列图像费 时费力且容易产生漏诊。因此将每一幅DSA序列图像融合到一幅完整的图 像中，使之包含血管整体结构，又不乏细节表述，对医疗辅助诊断具有重 要意义。

传统的图像融合技术可分为像素级的图像融合、特征级的图像融合和 决策级的图像融合。其中，像素级和特征级的图像融合的研究和使用最广 泛。像素是图像的基本元素，像素间灰度值的差异显现出图像中所包含的 结构信息，以像素为基础的方法由于直接对图像进行逐点处理，所以，用 到的数学原理易于理解，算法实现也比较简单，不过实现的效果相对较差。 而以图像特征为基础的方法，由于要对图像进行特征提取、目标分割等处 理，算法复杂，但是实现的效果基本能满足诊断的要求。

由于心脑血管瘤的特殊性和复杂性，这些传统的融合技术在医学图像 的融合过程中都不能发挥很好的作用。首先，由于心脑脑血管图像大多是 灰度图像、比较模糊，将所有序列图像按同固定阈值进行直接融合，其对 比度分辨率相对就低。其次，由于人体血管组织比较复杂，结构很不规则， 融合时滤波器的选择至关重要。

因而，需要一种新的方法对DSA图像进行融合，以获得较好的融合图 像。利用获得的融合图像可以对图像中的血管实现检测，以构建DSA图像 计算机辅助诊断系统，对心脑血管的诊断起到辅助作用。

近年来，美国斯坦福大学E.J.Candes和D.L.Donoho建立了一种非 常适合于表示方向差异性的多尺度方法—Ridgelet变换。由于Ridgelet变 换本质是通过对小波基函数添加一个表征方向参数得到的，所以它不但和 小波一样具有局部时频分析能力，而且还具有很强的方向选择和识别能力， 可以非常有效的表示信号中具有方向性的奇异性特征，如图像的线性轮廓 等，这是传统小波变换方法无法做到的。大量实验表明，Ridgelet变换在 直线特征的表示和提取中非常有效.[参见文献：E.J.Candes，Ridgelets. Theory and Applications[D]，Departmentof Statistics，Stanford University，1998.]

由于Ridgelet变换与小波变换类似，但是Ridgelet函数引入了表示直 线的参数，而小波函数采用了表示点的参数，因此小波变换可以刻画点(零 维)的奇异性，但是无法刻画图像中线、面(一维或更高维)的奇异性，这一 性质直接影响小波变换在表示图像边缘等几何机构方面的有效性；而 Ridgelet函数的横截面是一条类似小波的曲线，Ridgelet沿着脊线是一条 直线。正是这样的几何结构使得Ridgelet变换可以有效的处理图像中直线 状和超平面状的奇异性。

李国新在“基于Ridgelet变换的图像融合”(通信技术2009年第6期 P.144-146)一文中公开了一种基于Ridgelet变换的图像融合方法，用于照 片类图像的融合。Ridgelet变换所产生的高频及低频系数是进行图像滤波 处理的关键，但高频和低频的划分标准是一个模糊概念，传统的阈值处理 已不能很好的处理包含复杂纹理信息的图像。因此，当将上述方法用于医 学数字减影(DSA)图像融合时，难以获得较好的、均衡的融合效果。

发明内容