图像融合技术在显微医学图像与应用研究.pdfVIP

图像融合技术在显微医学图像中的应用的研究 浙江医院医学工程科 蒋益钢 310013 摘 要 近些年来，图像融合已成为图像理解和计算机视觉领域中一项重要且实用的新技术。它 在理化检测分析领域的应用主要针对显微图像的处理。观测景深较大的样品时，无论如何调 整显微镜的焦平面，都只能观察到对应于该焦平面的部分清晰图像。因此就需要在同一视场 中针对不同的焦平面分别采集多幅图像，然后运用计算机图像融合技术对在不同焦平面下采 集的多幅图像进行融合，最后合成一幅每一景深部位均十分清晰的图像，以便于科学研究和 临床诊断。 论文比较详细地讨论了图像融合的基本概念，图像融合的三个层次以及像素级图像融合 的常用方法，并且介绍了基于小波变换的图像融合方法和过程。对于显微医学图像，论文采 用了分块融合法和小波变换法进行融合。分块融合法中将图像分割为30×30像素的子图像， 运用八邻域梯度统计算法评价子图像清晰度，选取最清晰子块进行拼接，并对边界进行了过 渡处理。在小波变换法中，分别运用一层、二层、三层小波分解，得到小波系数，运用基于 窗口和基于像素的法则进行小波系数合并，最后进行相应层次的逆变换得到融合结果。 论文采用淋巴细胞、宫颈细胞显微图像进行了实验，并对融合结果进行了分析。将分块 融合法与各层次的小波变换法进行了比较，结果表明，论文所研究的分块融合法与小波变换 法都能够较好地融合各幅图像中的清晰部分，得到较好的视觉效果，达到了图像融合的基本 要求。 关键词：图像融合；分块融合；小波变换；图像清晰度评价 图像融合的概念 图像融合是多传感器数据融合的一个重要分支，所谓图像融合是指综合两个或多个源图 像的信息的融合，图像融合的目的就是通过对多幅图像信息的提取与综合，从而获得对统一 场景、目标的更为精确、更加全面、可靠的图像描述。该融合图像应更符合人或机器的视觉 特性，以利于该图像的进一步分析、理解以及目标的检测、识别或跟踪。通常在观测同一目 标或场景，由多个不同特性的传感器获取的图像信息是有差异的。即使是采用相同的传感器， 在不同观测时间或不同测量角度获取的信息也可能不同。图像融合充分利用了多个被融合图 像中包含的冗余信息和互补信息。以两个传感器A、B为例，其信息构成的示意图如图一所示。 图1 图像融合示意图 在显微医学图像处理领域，主要针对同一视野内不同焦平面的显微图像的信息融合。当 需要观测的样品景深较大时，往往无论如何调整显微镜的焦平面，都只能观察到对应于该焦 平面的部分清晰图像，图像其它部分则很模糊。此时就需要在同一视场中针对不同的焦平面 分别采集多幅图像，然后运用计算机图像融合技术对在不同焦平面下采集的多幅图像进行融 合，最后合成一幅每一景深部位均十分清晰的图像，以便于科学研究和临床诊断。 图像融合的方法 根据融合处理所处的不同阶段，图像融合的处理通常可以在以下三个不同层次上进行： 像素级融合，特征级融合，决策级融合。 图像融合完成后，一般还需要对图像进行配准。但是本论文针对的是显微医学图像，各 组图像均取自同一视野的不同聚焦平面，所以一般没有必要进行图像的配准。 在三个层次（像素级、特征级、决策级）上的图像融合方法中，像素级图像融合是最基 本、最重要的图像融合方法；同时，也是获取信息最多、检测性能好、适用范围广的一种融 合方法。可以说，像素级图像融合是特征级图像融合和决策级图像融合的基础。因此，本论 文主要使用像素级图像融合进行研究。 像素级图像融合的主要目的是使融合后的图像包含更全面、更精确、更突出、更可靠的 信息，使获得的融合图像更符合人或机器的视觉特性，更有利于进一步的分析、理解以及目 标的识别或跟踪。通常，像素级图像融合的基本要求是[1]： 1) 融合算法能够从参加融合的各个源图像中提取所有有用/显著的信息； 2) 融合算法不应引入在后继图像处理中对观测者（人或机器）有任何不利影响的因素 （如人为因素产物或不相容信息等）； 3) 融合算法必须可靠、健壮，对非理想信息（例如，图像失配或噪声等）具有一定的 容忍性； 在像素级有很多种融合方法，如何选择这些方法是和具体的应用密不可分的。目前，从 大的方面讲，像素级图像融合的方法可以概括为两大类[2]即，基于非多尺度分解的图像融 合方法和基于多尺度分解的图像融合方法。 基于非多尺度分解的方法主要有：加权平均法、高