[发明专利]一种多模医学图像融合方法

说明书

本发明公开了一种多模医学图像融合方法，所述方法包括以下步骤，步骤1，移动帧分解框架分解多模医学图像；步骤2，纹理成分融合；步骤3，近似成分融合；步骤4，成分合成过程。本发明能够通过多层结构，提高了提取图像细节的能力。

技术领域

本发明涉及图像融合技术领域，具体涉及一种多模医学图像融合方法。

背景技术

众所周知，医学成像在临床运用，比如说诊断、治疗计划和手术导航中起着越来越重要的关键作用。由于成像机制的多样性，具有不同模态的医学图像聚焦于不同类别的器官、组织信息。为了获得用于准确诊断的足够信息，医生通常需要依次地分析以不同的方式所捕获的医学图像，但这种分离的方式在许多情况下仍然带来不便。解决这一问题的有效方法是医学图像融合技术，其目的在于生成合成图像，以集成不同模态的多个医学图像中包含的互补信息。一般情况下，图像融合由低到高分为三个层次：像素级融合、特征级融合、决策级融合。本专利研究的是像素级图像融合。像素级图像融合算法主要有空间域算法和变换域算法两类。空间域算法如灰度加权法、主成分分析法。变换域算法比如金字塔分解法、小波变换法、多尺度几何分析法。

在上述方法中，空间域图像融合方法由于只在空间域对图像进行融合处理，通常具有低对比度，提取细节不足等缺点。基于多尺度变换的融合方法由于与人类视觉系统相一致，通常能获得较好的效果。但其也存在一个分解层数不好确定的问题：分解层数太高由于对配准及噪声极为敏感，最终的融合效果反而下降；分解层数太低会导致图像细节提取不足的问题。

发明内容

本发明所要解决的问题是：提供一种多模医学图像融合方法，能够通过多层结构，提高了提取图像细节的能力。

本发明为解决上述问题所提供的技术方案为：一种多模医学图像融合方法，其特征在于：所述方法包括以下步骤，

步骤1、移动帧分解框架分解多模医学图像：利用移动帧分解框架对多模医学图像的源图像A、B分别进行分解得到源图像A的纹理成分J_A1与近似成分J_B1和B的纹理成分J_A3与近似成分J_B3；

步骤2、纹理成分融合：利用绝对值最大规则对多模医学图像的源图像A和B的纹理成分J_A1和J_B1进行融合得到融合纹理成分J_F1；

步骤3、近似成分融合：首先，分别对多模医学图像的源图像A和B的近似成分J_A3和J_B3进行多尺度变换得到它们的高频系数J_AH和J_BH和低频系数J_AL和J_BL；然后，采用绝对值最大规则对高频系数J_AH和J_BH进行融合得到融合高频系数J_FH，采用稀疏表示对低频系数J_AL和J_BL进行融合得到融合低频系数J_FL；最后，由融合高频系数J_FH和融合低频系数J_FL利用多尺度反变换重建融合近似成分J_F3；

步骤4、成分合成过程：最终的融合图像F为融合纹理成分J_F1和融合近似成分J_F3平方和的算术平方根。

与现有技术相比，本发明的优点是：

(1)解决了现有医学图像融合方法提取细节不足的问题，通过多层结构，提高了提取图像细节的能力；

(2)能进一步提取图像细节，考虑利用多级结构对图像细节进行提取。

附图说明