多参数区域特征医学图像融合方法.pdfVIP

第24卷第2期 青岛大学学报(自然科学版) V01．24NO．2 201 2 01 1 1年5月 JOURNALOF Science May QINGDAOUNIVERSITY(NaturalEdition) 文章编号：1006—1037(2011)02—0033—06 doi：10．3969／j．issn．1006—1037．201I．02．008 多参数区域特征的医学图像融合方法 赵志刚1’2，张维忠1，马艳君1，吕慧显 (1．青岛大学信息工程学院，山东青岛266071；2．湖北汽车工业学院电气工程系，湖北十堰442002) 摘要：基于医学影像MRI和CT图像互相联系、互相补充的特点，为了更好地实现不同 模态医学图像间的融合，提出一种改进的基于区域特征的医学图像融合方法。原理是根 据图像小波变换系数的一系列参数如区域均值、方差、协方差等构造加权因子和匹配度， 对代表图像细节信息的高频子图进行区域融合；然后对低频部分采取选择极大绝对值的 原则，对图像进行融合。最后经过小波重构得到输出图像。经过主观和客观评价对实验 结果进行综合评价，此方法处理过的图像能得到良好的视觉效果和理想的指标，时间上也 减少了0．25s，适用于实时系统的应用。 关键词：医学图像融合；区域特征；小波变换 中图分类号：TP391 文献标志码：A 1 问题背景 医学影像技术的发展为人们对成像设备的不同要求提供了更多选择，如MRI、CT、X线、DSA、PET、 SPECT等多种模式的影像。因成像原理不同，不同的医学影像也反映了脏器的不同特点。像MRI和CT 图像，空间分辨率较高，更多地反映了脏器的剖面结构信息，而像SPECT和PET图像则较多地体现了组织 的功能信息。这种结构和功能的图像信息并非相互排斥的关系，而是互为补充，互为差异。有时，临床医学 需要将结构信息和功能信息集成在一张医学影像上以进行下一步观察和诊断，这时就需要应用到医学图像 融合技术。 小波变换的优势在于能把图像分解为不同分辨率层次的图像，有针对性地对图像进行处理。时域和频 域的相互转换，可以聚焦到图像中的任何区域，比传统方法更加灵活和细致。利用小波分解图像后，选择合 适的融合规则和算子是制约图像融合质量的关键。常用的方法是基于像素的融合方法，这种方法灵活快捷， 但缺点是忽略了像素间的关联性，是对像素的简单融合处理。另外一种方法考虑了相邻像素间的相关性，突 出了图像的区域特征，但往往只考虑选取一个特征参数为融合规则，不符合融合评价系统的全面性。本文基 于小波变换方法，提出了一种新的基于区域特征的医学图像融合方法，对分解后的图像小波系数进行多参数 分析，保留了图像的基本信息，并突出了细节特征，效果明显[1。3]。 2互补的MRI和CT图像 医学图像按照图像类型分类，可以分为断层图像间相互融合，断层图像与投影图像融合和功能图像与结 Resonance Image)图像和CT 构图像融合3类。其中断层图像间相互融合类，一般特指MRI(Magnetic (Computed 对血管和软组织的成像质量较高，而CT图像利用人体组织对X射线的吸收能力不同和断层技术而成像，对 *收稿日期：2010-03-20 作者简介：赵志刚(1973一)，男，吉林省吉林市人，博士，教授。主要从事数字图像处理、虚拟现实、神经网络等方面的研究。 E-mail：zhaolhx@163．corn 万方数据 青岛大学学报(自然科学版) 第24卷 骨骼的敏感度业商。柠能把MRI和0I遮m种有i补忡的图像融合在一起井仅能清晰地址理病变的特 点m且能用清晰的骨组织信息确定病变的位置．