基于Shearlet变换和TV模型的医学图像融合

摘要：

为了综合多模态医学图像的互补信息,为临床诊断和辅助治疗提供更为充分有效的依据,提出了一种基于Shearlet变换和全变差(Total variation,TV)模型的含噪医学图像融合方法.首先对源图像(CT/MRI图像或CT/PET图像)进行Shearlet变换,产生一个低频子带和若干高频子带.然后对低频子带采用基于区域方差的融合策略,以完整地保留源图像的解剖信息或功能信息;对于高频子带,则利用TV模型进行去噪预处理,避免噪声对融合结果的干扰,再采用改进拉普拉斯能量和(Sum-modified-Laplacian,SML)的融合策略,最大程度地融合边缘、细节信息.大量实验结果表明,与近年来提出的3种融合方法相比,本文提出的方法对无噪声和有噪声的医学图像都能取得更好的融合效果,融合图像完整地保留了源图像的信息,目标的边缘、细节清晰,计算效率也有所提高.

关键词：医学图像融合、Shearlet变换、全变差模型、区域方差

所属期刊栏目：28

分类号：R445;TN911.73(诊断学)

资助基金：国家自然科学基金60872065;江苏高校优势学科建设工程资助项目

在线出版日期：2013-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：565-571