Contourlet变换系数加权的医学图像融合
目的 由于获取医学图像的原理和设备不同,不同模式所成图像的质量、空间与时间特性都有较大差别,并且不同模式成像提供了不互相覆盖的互补信息,临床上通常需要对几幅图像进行综合分析来获取信息.方法 为了提高对多源图像融合信息的理解能力,结合Contourlet变换在多尺度和多方向分析方法的优势,将Cont-ourlet变换应用于医学图像融合中.首先将源图像经过Contourlet变换分解获得不同尺度多个方向下的分解系数.其次通过对Contourlet变换后的系数进行分析来确定融合规则.融合规则主要体现在Contourlet变换后图像中的低频子带系数与高频子带系数的优化处理中.针对低频子带主要反映图像细节的特点,对低频子带系数采用区域方差加权融合规则;针对高频子带系数包含图像中有用边缘细节信息的特点,对高频子带系数采用基于主图像的条件加权融合规则.最后经过Contourlet变换重构获得最终融合图像.结果 分别进行了基于Contourlet变换的不同融合规则实验对比分析和不同融合方法实验对比分析.通过主观视觉效果及客观评价指标进行评价,并与传统融合算法进行比较,该算法能够克服融合图像在边缘及轮廓部分变得相对模糊的问题,并能有效地融合多源医学图像信息.结论 提出了一种基于Contourlet变换的区域方差加权和条件加权融合算法.通过对CT与MRI脑部医学图像的仿真实验表明,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度.
医学图像、图像融合、Contourlet变换、加权融合算法
19
TP391(计算技术、计算机技术)
国家自然科学基金青年基金项目11005081;浙江省教育厅科技项目Y201223187
2014-03-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
133-140