[发明专利]基于3D复数剪切波变换域广义统计相关模型的医学图像融合方法

说明书

技术领域

本发明涉及医学图像融合领域，尤其涉及一种基于3D复数剪切波变换域广义统计相关模型的医学图像融合方法。

背景技术

多模态医学图像融合在临床诊断中扮演着重要的角色，它广泛应用于图像引导手术、图像引导放射治疗、非侵入性诊断以及治疗的计划的制定中，它是现代医学可视化技术的关键环节，广泛应用于现代医学临床诊断中。

目前，多模态医学图像融合方法大致可分为三种策略：替换方法、算术方法、多尺度分解法。其中替换方法，如彩色空间变换法，可能导致图像光谱的畸变；算术方法，如贝叶斯估计法，易导致图像对比度降低而丢失重要的细节信息。通常，图像中的轮廓、边缘等特征出现在不同大小的尺度上，人类的视觉系统研究表明物理图像经过视网膜处理变成神经图像是在不同的频率通道处理的，图像特征能在不同的尺度和频率上引起人类视觉系统的敏感。

因此相比于上述两种方法，基于多尺度分解的多模态医学图像融合方法更符合人类视觉系统的工作原理。

但是，目前的基于多尺度分解的多模态医学图像融合方法也有一些局限：

1、基于多尺度分解的多模态医学图像融合方法的核心问题之一是多尺度分解工具的选择。在现有的流行方法中或选取小波(wavelet)或曲线波(curvelet)或轮廓波(contourlet)作为多尺度变换分解工具，但是它们都有其自身的缺点。例如，二维离散的小波变换只能将图像分解为水平、垂直、对角三个高频 子带，这使其只能捕获有限的方向信息，这表明基于小波变换的融合方法由于小波不能很好的表示图像中的线、边缘、轮廓等高维信息而会导致伪影现象。

剪切波是为了克服传统小波的缺点而提出的一种新颖的多尺度几何分析工具，相比在上文提到的在图像融合中常用的其他多尺度分解工具，如曲线波(Curvelet),轮廓波变换(Contourlet)等，剪切波变换具有其独特的优势。目前，剪切波变换已经被应用于图像融合中，但是当前的方法中存在以下问题：

(1)剪切波变换的离散化过程采用了下采样策略实现，由于其不具备平移不变的性质而在图像中的奇异处易产生伪吉布斯现象。平移不变性对于图像奇异处的特征信息的提取至关重要，它严重影响融合后图像的质量。

(2)有些文献提出了基于平移不变变剪切波变换的融合方法，但是，这种平移不变的性质是通过非下采样的拉普拉斯金字塔算法实现的，运算时间长，导致整个融合方法效率很低，不利于临床实践的推广。

2、基于多尺度分解的多模态医学图像融合方法的另一个核心问题是低频系数和高频系数的融合规则的选取。目前，在融合中最常用的融合规则是对低频系数取平均值，高频系数采用对应系数绝对值最大策略或者是基于区域能量最大策略。多模态医学图像融合的目的是尽可能的获取形态图像(如CT、MRI)的解剖细节信息和功能图像(如PET、SPECT)的新陈代谢的功能信息。此外，医学图像中的特征信息比并不只是图像像素的简单叠加，图像中的特征变化具有实际的诊断意义。对待融合图像进行多尺度分解后，低频系数表示图像的近似逼近，如果在医学图像的融合中仍旧对低频系数取均值就会增加原来不存在的形态信息和丢失一些已经存在的功能信息。对高频系数而言，传统的基于多尺度几何变换的多模图像融合算法都是假设各个高频子带间是统计无关的，因而对每个子带系数进行直接操作。其结果是易导致融合结果很模糊，且有块状 效应从而使整个融合图像的视觉效果很差。

发明内容

本发明是针对现有技术所存在的不足，而提供了一种运算效率高、系数表示效率高的优点，可以克服传统的稀疏表示不足的缺点，能够更好地提取待融合图像中的特征信息；且能够提高融合图像的质量的基于3D复数剪切波变换域广义统计相关模型的医学图像融合方法。

为了实现上述目的，本发明提供了一种使用复数域的3D剪切波变换作为稀疏表示工具，相比较传统的小波变换、实数域剪切波变换等，本申请方法具有运算效率高、系数表示效率高的优点，可以克服传统的稀疏表示不足的缺点，能够更好地提取待融合图像中的特征信息；针对传统融合方法未考虑不同尺度、不同方向的子带系数间关系对融合结果影响的缺点，本申请建立了一个混合的多尺度相关模型：实数系数的多尺度多变量广义高斯模型和虚数部分的双峰模型，并将用之与融合中，实验结果表明所提出的方法能够提高融合图像的质量。

具体为，一种基于3D复数剪切波变换域广义统计相关模型的医学图像融合方法，其特征在于，包括以下步骤：