基于离散小波变换的多模态医学图像融合算法研究

摘要

多模态医学图像融合是指将不同模态的医学图像进行整合，充分利用不同种类医学影像的互补性和冗余性，从而得到比单一医学影像更丰富、更精确的病灶细节信息的过程，被广泛应用于非侵入性诊断、图像引导照射、放疗计划等方面。虽然图像融合算法层出不穷，但适用于医学图像融合的算法很少，多是基于多聚焦图像提出的，且获得高质量的融合图像依然具有挑战性。本文研究基于离散小波变换的图像融合算法，主要内容如下:
　　(1)研究了基于离散小波变换的多模态图像融合改进算法。图像融合的质量主要取决于融合算法、分解层数、融合规则等，为了获得最佳融合效果，本文着重对融合规则进行探讨。根据医学图像的特点，在离散小波变换的基础上分别制定针对高频系数和低频系数的融合规则，选用不同的分解层数，并对融合图像结果进行邻域一致性检验。通过对不同融合算法、不同分解层数、不同融合规则以及在噪声环境下和临床实例中得到的融合结果比较分析可得:本文提出的融合规则非常适合医学图像的融合处理，能保存图像大部分低频信息，提高图像分清晰度和对比度;同时锐化图像的边缘、纹理等细节信息。本文提出的融合方法在主观视觉和客观评价指标方面均优于其他融合算法，即使在噪声环境下和临床实例应用中依然具有优越性。
　　(2)针对小波变换不能对高频子图像进一步分解的局限性，将小波包变换引入医学图像融合中。继续采用本文提出的高低频图像融合规则，比较分析小波变换和小波包变换的图像融合结果可知:分解层数较低时，基于小波包变换的融合图像细节信息更丰富、与源图像的相关度更高、清晰度更高，小波包变换融合性能优于小波变换;分解层数较高时，两种变换所得的融合图像差别较大，但是基于小波包变换的融合图像失真程度变大、活跃程度变小、计算量增加，小波变换的融合图像质量优于小波包变换。因此，在对医学图像进行融合时，小波包变换并不一定占优势，要根据实际需求来选择融合算法和分解层数。
　　综上可知，本文设计的融合规则能兼顾高低频子图像的特点，克服了传统融合规则的局限性;在此基础上采用离散小波变换和小波包变换均能得到高质量的融合图像，且两种变换的选择取决于实际应用需求和分解层数。

目录

声明

中英文对照表

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究概况

1．3 主要研究工作

1．4 本文内容安排

第二章 图像融合方法和评价标准

2．1 图像融合的分级模型

2．2 图像融合算法分类

2．2．1 空间域融合算法

2．2．2 变换域融合算法

2．3 变换域融合算法的融合规则

2．3．1 基于像素灰度值选取的融合

2．3．2 基于邻域窗口的融合

2．3．3 基于区域特征的融合

2．4 图像融合评价标准

2．4．1 主观定性评价方法

2．4．2 客观定量评价方法

2．5 本章小结

第三章 基于小波变换的医学图像融合

3．1 小波变换的基本理论

3．1．1 连续小波变换和离散小波变换

3．1．2 多分辨率分析

3．1．3 图像的小波分解与重构

3．2 基于小波变换的图像融合原理

3．3 小波基函数的性能对比

3．4 本文提出的图像融合规则

3．4．1 高频系数融合规则

3．4．2 低频系数融合规则

3．4．3 一致性检验

3．5 本章小结

第四章 基于离散小波包变换的图像融合

4．1 小波包变换理论

4．2 小波包的分解与重构

4．3 基于小波包变换的图像融合过程

4．4 小波包变换的融合规则

4．5 本章小结

第五章 实验结果与分析

5．1 实验材料

5．2 基于离散小波变换的融合实验结果

5．2．1 基于离散小波变换的内部比较

5．2．2 基于不同融合方法的图像融合效果对比

5．3 结论

5．4 本章小结

第六章 总结与展望

6．1 本文总结

6．2 展望

参考文献

攻读硕士研究生期间发表文章情况

致谢