[发明专利]基于小波变换的多模态医学图像融合方法

说明书

一种基于自适应小波基的多模态医学图像融合方法，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。本发明将小波变换技术应用于图像处理领域中，自适应小波基可以有效提升小波系数对低频分量的细节敏感度，使得进一步分解得到的高频、低频分量更加准确，进而使得融合效果得到提升。

技术领域

本发明涉及医疗领域，尤其是采用图像处理技术对多模态医学图像进行融合的方法，具体地说是一种基于小波变换的多模态医学图像融合方法。

背景技术

目前，随着计算机科学技术和医疗影响工程学的快速发展，世界上出现了许多先进的医疗成像设备，为临床医学诊断提供了多种模态的医学图像，这些图像从不同方面反映了人体结构、脏器和病变组织的不同信息。

比如CT(Computed Tomography)图像具有较强的空间分辨率和几何特性，对骨骼的成像非常清晰，它可对病灶定位提供较好的参照，但对软组织的对比度则相对较低。MR(Magnetic Resonance)图像可以清晰地反映软组织、器官、血管等的解剖结构，有利于确定病灶范围，但是MR图像对钙化点不敏感，且受到磁干扰会发生几何失真。SPEC、PET图像能得到人体任意角度断层面的放射性浓度分布，可以反映组织器官的代谢水平和血流状况，对肿瘤病变呈现“热点”，提供人体的功能信息，但是它们的分辨率差，很难得到精确的解剖结构，也不易分辨组织、器官的边界。由此可见，不同成像技术有着自身的优势也同时拥有一些局限性，这些图像对人体同一解剖结构所得到的形态和功能信息是互为差异、互为补充的。

在临床诊断中，单一模态的图像往往不能提供医生所需要的足够信息，因此，如果能将不同模态的医学图像进行适当的融合，使解剖信息和功能信息有机地结合起来，在一幅图像上同时综合地表达来自多种成像源的信息，以便医生了解病变组织或器官的综合情况，并做出更加准确的诊断或制定出更加科学优化的治疗方案，这必将推动现代医学临床技术的巨大进步。

针对不同模态医学图像的特点，为了能够更好的融合不同图像的重要信息，我们提出了基于自适应小波基的多模态医学图像融合方法。在图像能量特征计算的前提下，自适应选择最优小波系数进行小波变换，从而使得小波变换可以有效的将图像的背景和细节进行区分，在可调节的权重下，两副不同模态图像的高频和低频信息按照不同比例进行叠加，快速、高效的完成了融合过程。

发明内容

本发明的目的是针对图像融合的问题，提出一种基于小波变换的多模态医学图像融合方法。

本发明的技术方案是：

一种基于自适应小波基的多模态医学图像融合方法，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。

本发明的步骤S1中，根据尺度需求对低频分量进行再次分解。

本发明的步骤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；