基于多分辨率分析的醫(yī)學(xué)圖像融合技術(shù)研究.pdf

1、醫(yī)學(xué)圖像融合是對多幅不同模態(tài)的醫(yī)學(xué)圖像進行信息綜合，合成一幅包含所有源圖像重要信息的融合圖像的過程。該技術(shù)充分利用不同模態(tài)醫(yī)學(xué)圖像提供病灶信息的冗余性和互補性，以獲得比單一模態(tài)醫(yī)學(xué)圖像更全面、更精確的病灶屬性描述。隨著多分辨率分析理論的發(fā)展和完善，基于多分辨率分析的圖像融合已被公認為是性能更為理想的一類融合方法，但此類方法合成圖像的質(zhì)量很大程度上取決于執(zhí)行圖像多尺度分解的理論工具的性能。新近出現(xiàn)的具有平移不變性的非下采樣的輪廓波變換（N

2、SCT）和非下采樣的剪切波變換（NSST）擁有更加完美的圖像表述能力，更適合于圖像的融合處理。
　　本研究主要內(nèi)容包括：⑴針對許多圖像融合方法不能很好地提取并保存源圖像細節(jié)信息的問題，本文提出了一種基于 NSCT域的細節(jié)增強的醫(yī)學(xué)圖像融合方法。該方法通過如下方式實現(xiàn)源圖像信息的提取、保存以及合成圖像細節(jié)的增強。利用視覺可見性的測度準(zhǔn)則計算源圖像的權(quán)值圖，實現(xiàn)源圖像重要信息的提取和轉(zhuǎn)移；對各級分解子帶進行內(nèi)容適應(yīng)性增強，以此突出源圖

3、像的細節(jié)信息；對重構(gòu)前的混合子帶進行增益控制增強，進一步調(diào)整融合圖像的亮度和清晰度。實驗結(jié)果表明提出的方法能夠有效增強融合圖像的細節(jié)信息。⑵針對傳統(tǒng)的基于NSCT的融合算法遺漏其高頻子帶系數(shù)間相關(guān)性關(guān)系的問題，提出了基于NSCT域系數(shù)統(tǒng)計的醫(yī)學(xué)圖像融合方法。該方法首先通過廣義高斯分布函數(shù)精確擬合 NSCT域高頻子帶系數(shù)的概率分布直方圖，然后使用吉森香農(nóng)差（JSD）量化兩個高斯分布函數(shù)間的相似度，最后將系數(shù)間的依賴性關(guān)系嵌入到高頻子帶的融

4、合規(guī)則中。實驗結(jié)果表明提出的方法明顯優(yōu)于傳統(tǒng)的基于NSCT的醫(yī)學(xué)圖像融合方法，在互信息和信息熵兩個客觀評價指標(biāo)上具有優(yōu)異的性能表現(xiàn)。⑶為了彌補經(jīng)典的 PCNN模型中待定參數(shù)過多、缺乏適應(yīng)性、時間開銷過大的缺陷，本文提出了基于NSST與雙通道單位鏈接PCNN的醫(yī)學(xué)圖像融合方法。該方法簡化了傳統(tǒng)PCCN模型中的鏈接結(jié)構(gòu)，將NSST對圖像靈活的多尺度、多方向分解的特性同雙通道 PCCN模型全局耦合及脈沖同步發(fā)放特性結(jié)合在一起。同傳統(tǒng)的 PCN

5、N模型相比，提出的模型具有設(shè)置參數(shù)少、適應(yīng)性強的優(yōu)點。算法執(zhí)行的過程中以區(qū)域圖像清晰度的對比度作為鏈接強度的智能化輸入，并通過賦時矩陣T確定迭代次數(shù)，有效提高了其適應(yīng)性并減少了時間消耗。多組融合實驗的結(jié)果顯示提出的方法具有優(yōu)異的圖像融合性能，其融合圖像在主觀視覺表現(xiàn)和多項客觀指標(biāo)的評價中均優(yōu)于傳統(tǒng)的基于PCNN的醫(yī)學(xué)圖像融合方法。⑷針對二維醫(yī)學(xué)圖像融合算法應(yīng)用于三維醫(yī)學(xué)圖像體數(shù)據(jù)的融合時導(dǎo)致第三維信息丟失的問題，本文提出一種新的基于3D