基于NSCT及人眼视觉特性医学图像融合.docVIP

基于NSCT及人眼视觉特性医学图像融合 　　摘要：针对多模态医学图像融合问题，提出一种基于非下采样Contourlet （NSCT）变换与人眼视觉特性（HVC）的图像融合方法。NSCT变换对源图像的分解后，低频部分基于可见性测度的选择，高频部分基于纹理信息的选择，然后采用NSCT逆变换获得最终融合图像。实验结果表明：所提出的融合方法可以提高空间分辨率，同时保持光谱信息，并有改善。无论是在视觉效果和定量分析与传统的方法相比较，有好的优越性。 　　关键词： 医学图像融合； NSCT；人眼视觉特性（HVC） 　　中国分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）14-3360-03 　　Abstract： Fusion problem for multi- modality medical images， presents an image fusion method based on Nonsubsampled Contourlet （NSCT） transform and human visual system （HVC） is . After transformation of the source image NSCT decomposition visibility measure low frequency based on the selection ， the high frequency portion of the texture information based on the selection ， and then using the inverse transform to obtain a final blend NSCT image . Experimental results show that ： the proposed fusion method can improve the spatial resolution ， while maintaining spectral information and improved. Both visual and quantitative analysis in comparison with the conventional method ， a good advantage. 　　Key words： Medical image fusion； NSCT. The human visual characteristics （HVC） 　　随着高科技和先进的检测仪器的快速发展，医疗成像已成为诊断，研究和治疗的重要组成部分。这样的发展更容易让医生获得有效分辨率的人体内部结构的图像。这些多模图像有X光、计算机断层摄影（CT）、磁共振图像（MRI）、磁共振血管造影（MRA）、正电子发射断层摄影[1]。 　　图像融合[2]是通过组合两个或更多个从不同设备或仪器的源图像转换成更多信息一个单一的形象的过程。无关的特征和噪声应被抑制到最大程度。到目前为止，最简单的方法是逐个像素，灰度平均值或选择源图像，但这些方法导致降低对比度。近些年来，多尺度几何分析（MGA）的出现，虽然它来源于小波的多尺度，但是它又超越了小波。该MGA可以利用图像内在结构的几何规律性充分利用并获得渐近最优表示。作为一个MGA工具，非下采样Contourlet变换（Non-subsampled Contourlet transform， NSCT）作为一种过完备的变换形式，具有移不变、多尺度和多方向展开，对图像中的边缘等结构信息都能给出良好的表示，更适合于图像融合。文中针对CT/MRI医学图像，给出一种基于NSCT及人眼视觉特性（HVC）的医学图像融合新算法。 　　1 基于NSCT的图像分析 　　为了摆脱Contourlet的频率混叠并加强定向选择性和平移不变性，Cunha， Zhou， and Do提出了非下采样轮廓波基于非下采样金字塔分解变换和非下采样滤波器（NSFB）。与Contourlet不同，NSCT的多分辨率分解步骤被由移不变滤波器组实现满足Bozout恒等式（完美的重构，PR）。由于金字塔分解无下采样，低通子带无频率混叠，即使低通滤波器带的宽度大于[π2]。图1是非下采样Contourlet变换，其中图（a）非下采样滤波器组结构实现非下采样Contourlet变换，图（b）提出结构获得的理想频率划分。 　　图（a）显示了一个NSCT的概况。NSCT的结构是由一组滤波器组成的，滤波器组将二维频率平面分成若干子带来，由上图（b）来说明。 　　2 视觉敏感的数学表示 　　人眼视觉特性[4]被用于图像处理领域，逐渐受人关注。为此，人类