基于主成分分析和双树复小波变换的CT和MRI图像融合改进算法研究

摘要：

目的:提出一种级联主成分分析(PCA)与双树复小波变换(DTCWT)的CT和MRI图像融合新算法,以获得高质量的CT和MRI融合图像.方法:基于级联PCA与DTCWT的融合算法采用非抽样小波变换(UDWT),将已配准的CT和MRI图像分解成为不同尺度的低频和高频子图像;采用PCA融合规则和UDWT逆变换,获得初次融合子图像;采用DTCWT变换将融合子图像分解为实数与复数部分;采用最大值取大融合规则和DTCWT逆变换获得CT与MRI融合图像.选用哈佛大学脑图库中CT和MRI图像进行仿真实验,采用定性与定量结合评估融合图像质量,并将本研究算法所得融合效果与离散小波算法(DWT)、非抽样小波变换(UDWT)及PCA等算法进行比较.结果:定性分析显示,基于级联PCA与DTCWT的融合算法所得CT与MRI融合图像对比度最强,边缘信息最丰富且伪影最弱.定量结果中融合算法所得空间频率、均方误差、边缘相似度、互相关和平方差数值分别达到42.683、0.002、0.925、0.978和0.016,较其他融合算法提升8.71％～194.52％、98.46％～99.49％、8.95％～33.48％、6.19％～230.40％和42.86％～95.83％.结论:基于级联PCA与DTCWT的融合算法性能优越,能获得高质量的CT和MRI融合图像.

关键词：图像融合、非抽样小波变换(UDWT)、主成分分析(PCA)、双树复小波变换(DTCWT)、融合算法

所属期刊栏目：19

分类号：R811(放射医学)

在线出版日期：2022-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-12