[发明专利]基于小波变换的多模态医学图像融合方法

权利要求书

1.一种基于小波变换的多模态医学图像融合方法，其特征是它包括以下步骤：

S1、采用自适应小波基滤波器对不同模态的医学图像进行小波变换，将前述图像分别分解为高频、低频以及高低频结合的分量；

S2、对任意两幅不同模态医学图像分解得到的高频、低频和高低频结合的分量进行叠加，得到融合图像的高频、低频和高低频结合的分量；

S3、对融合图像的高频、低频和高低频结合的分量进行离散小波逆变换，得到原始大小的融合图像；

所述的步骤S1具体为：

S1.1、构造小波基滤波器库，即以满足正交条件定长小波滤波器为基础，在不同的初值条件下得到多个滤波器系数构建小波基滤波器库，在小波基滤波器库中随机选择一个滤波器系数作为初始化滤波器；

S1.2、采用初始化滤波器对多个模态的医学图像进行小波变换得到第一层分解分量，即通过离散小波变换获得图像在水平和垂直方向上的低频分量LL1、水平方向上的低频和垂直方向上的高频分量LH1、水平方向上的高频和垂直方向上的低频分量HL1以及水平和垂直方向上的高频分量HH1；

S1.3、根据图像的能量分布和纹理波动在小波基滤波器库中再次选择滤波器系数对步骤S1.2获取的第一层分解分量中的低频分量LL1进行第二次小波变换，得到LL2、HH2、HL2、LH2重复步骤S1.3若干次，完成图像分解；

所述的步骤S1.3中，根据图像的能量分布和纹理波动在小波基滤波器库中选择滤波器系数的具体方法为：

S1.3-1、对图像进行器官提取的步骤：

对当前分解分量中的四个分量进行处理，从黑色的背景上将人体器官提取出来，具体采用图像分割方法提取人体器官，或者采用设置边界阈值的方法提取人体器官图像HLo和LHo；

S1.3-2、计算图像纹理特征参数的步骤：

采用下述公式计算横向的图像最小能量Eh、纵向的图像最小能量Ev、横向的图像最小极差Ep、纵向的图像最小极差Eq、横向纹路最大波动值Em和纵向纹路最大波动值En；

E_h＝min(max(|HLo|)) (1)

E_v＝min(max(|LHo|)) (2)

E_p＝min(max(|HLo|)-min(|HLo|)) (3)

E_q＝min(max(|LHo|)-min(|LHo|)) (4)

其中，HLo表示水平方向上的低频和垂直方向上的高频分量LH1对应提取的人体器官图像、LHo表示水平方向上的高频和垂直方向上的低频分量HL1对应提取的人体器官图像；i、j代表行的序号，i’、j’代表列的序号；S1.3-3、根据前述六个图像纹理特征参数获取小波基滤波器系数。

2.根据权利要求1所述的基于小波变换的多模态医学图像融合方法，其特征是所述的步骤S1中，根据尺度需求对低频分量进行再次分解。

3.根据权利要求1所述的基于小波变换的多模态医学图像融合方法，其特征是所述的步骤S1.3中，重复步骤S1.3进行图像分解的次数为3-5次。

4.根据权利要求1所述的基于小波变换的多模态医学图像融合方法，其特征是所述的步骤S1.3-3中，小波基滤波器系数获取方法为：根据步骤S1.3-2获取的六个图像纹理特征参数，采用遗传规划算法获取小波基滤波器系数。

5.根据权利要求1所述的基于小波变换的多模态医学图像融合方法，其特征是所述的步骤S1.3-3中，小波基滤波器系数获取方法为：提取适量的样本图像，建立六个图像纹理特征参数与小波基滤波器系数的对照表，在实时计算时，根据步骤S1.3-2获取的六个图像纹理特征参数对照查找获取对应的小波基滤波器系数。