[發(fā)明專利]基于非采樣的輪廓波變換自適應(yīng)的醫(yī)學(xué)圖像融合方法

有效

• 申請?zhí)枺?/td>: 201410577546.3
• 申請日: 2014-10-22
• 公開（公告）號: CN104282007B
• 公開（公告）日: 2017-12-19
• 發(fā)明（設(shè)計）人: 黃丹飛;陳俊強(qiáng)
• 申請（專利權(quán)）人: 長春理工大學(xué)
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T3/40
• 代理公司: 吉林長春新紀(jì)元專利代理有限責(zé)任公司22100
• 代理人: 魏征驥

1.一種基于非采樣的輪廓波變換自適應(yīng)的醫(yī)學(xué)圖像融合方法，其特征在于包括下列步驟：

步驟1：初始圖像的獲取

采用來自同一顱腦256×256大小的核磁共振醫(yī)學(xué)圖像A和256×256大小的正電子發(fā)射斷層醫(yī)學(xué)圖像B；

步驟2：圖像預(yù)處理

對醫(yī)學(xué)圖像進(jìn)行去噪預(yù)處理，采用3×3模版的算術(shù)均值濾波器G對圖像A和B進(jìn)行濾波處理見公式(1)，得到濾波后的圖像A'和B'；

X'＝G*X(1)

其中，X＝A,B；X'＝A',B'；

步驟3：圖像NSCT分解

在NSCT多尺度變換中摒棄了常用的會產(chǎn)生冗余信息的拉普拉斯金字塔濾波器組，采用了非采樣正交9-7小波濾波器組，將圖像A'和B'首先用非采樣的正交9-7小波濾波器組{h₀,h₁；g₀,g₁}進(jìn)行多尺度分解，正交9-7小波濾波器組{h₀,h₁；g₀,g₁}滿足Bezout恒等式，見公式(2)，其中h₀、g₀為9-7小波濾波器組的低通分解濾波器和重構(gòu)濾波器，h₁、g₁為高通分解濾波器和重構(gòu)濾波器；

h₀*g₀+h₁*g₁＝1(2)

然后再用非采樣的pkva濾波器組{u₀,u₁；v₀,v₁}進(jìn)行多方向分解，pkva濾波器組{u₀,u₁；v₀,v₁}滿足Bezout恒等式，見公式(3)，其中u₀、v₀為pkva濾波器組的低通分解濾波器和重構(gòu)濾波器，u₁、v₁為高通分解濾波器和重構(gòu)濾波器；

u₀*v₀+u₁*v₁＝1(3)

得到A'圖像分解后的低頻子帶系數(shù)為B'圖像分解后的低頻子帶系數(shù)為A'圖像分解后的各子帶高頻系數(shù)為B'圖像分解后的各子帶高頻系數(shù)為設(shè)融合圖像F低頻子帶系數(shù)為各子帶高頻系數(shù)為

其中，J表示NSCT的分解層數(shù)；表示圖像X的低頻子帶系數(shù)，X＝A',B',F，表示圖像X第k層第l個方向的高頻子帶系數(shù)，X＝A',B',F，1≤k≤J；

步驟4：圖像融合系數(shù)選擇

對低頻子帶采用邊緣能量最大準(zhǔn)則來選擇融合低頻子帶系數(shù)，對各方向子帶采用自適應(yīng)PCNN模型來選擇融合高頻系數(shù)，具體如下：

(1)低頻子帶融合準(zhǔn)則

用圖像邊緣能量作為圖像融合的算法，計算公式見公式(4)；

EJX=Σi=1mΣj=1n[a(i,j)*b1(m-i,n-j)+a(i,j)*b2(m-i,n-j)+a(i,j)*b3(m-i,n-j)]---(4)]]>

其中，X＝A'、B'；(i,j)表示m×n大小X的低頻子帶中某一系數(shù)的位置；

因此，低頻子帶融合準(zhǔn)則見公式(5)；

aJF(i,j)=EJA′(i,j),if EJA′(i,j)<EJB′(i,j)aJB′(i,j),if EJA′(i,j)<EJB′(i,j)---(5)]]>

其中，

EJA′=Σi=1mΣj=1n[aJA′(i,j)*b1(m-i,n-j)+aJA′(i,j)*b2(m-i,n-j)+aJA′(i,j)*b3(m-i,n-j)];]]>

EJB′=Σi=1mΣj=1n[aJB′(i,j)*h1(m-i,n-j)+aJB′(i,j)*b2(m-i,n-j)+aJB′(i,j)*b3(m-i,n-j)];]]>

(2)各方向子帶融合準(zhǔn)則

用自適應(yīng)PCNN模型作為圖像融合的算法，當(dāng)PCNN用于處理二維圖像時，計算公式見公式(6)；

Fij(np)=SijLij(np)=e-aL*Lij(np-1)+VL*ΣklWijklYkl(np-1)Uij(np)=Fij(np)*(1+βij*Lij(np))Yij(np)=1,Uij(np)>θij(np-1)0,Uij(np)≤θij(np-1)θij(np)=e-aθ*θij(np-1)+VθYij(np)---(6)]]>

其中S_ij為外部輸入，F(xiàn)_ij為反饋輸入，Y_ij脈沖輸出，a_L和a_θ分別是線性連接輸入L_ij和動態(tài)閾值θ_ij的衰減時間常數(shù)，V_L和V_θ分別是連接放大系數(shù)和閾值放大系數(shù)，V_L和V_θ通常為常數(shù)，取a_L＝1，a_θ＝0.2，V_L＝1，V_θ＝20，W_ijkl是線性連接輸入L_ij的加權(quán)系數(shù)，計算公式見公式(7)，其中l(wèi)ink是PCNN的鏈接系數(shù)，取link＝5；

其中，round函數(shù)是四舍五入功能函數(shù)；

β_ij為連接強(qiáng)度，決定了線性連接輸入L_ij對內(nèi)部活動項U_ij的貢獻(xiàn)，傳統(tǒng)連接強(qiáng)度β是常數(shù)，分別用拉普拉斯區(qū)域能量和可見度函數(shù)執(zhí)行滑動鄰域操作來自動設(shè)置連接強(qiáng)度值，拉普拉斯區(qū)域能量計算公式見公式(8)，可見度計算公式見公式(9)；

βL=Σi=2m-1Σj=2n-1[-d(i-1,j-1)-4d(i-1,j)-d(i-1,j+1)-4(i,j-1)+20d(i,j)-4d(i,j+1)-d(i+1,j-1)-4d(i+1,j)-d(i+1,j+1)]^2---(8)]]>

βV=1m*nΣi=1mΣj=1n[(m*nΣi=1mΣj=1nd(i,j))δ*|d(i,j)-1m*nΣi=1mΣj=1nd(i,j)|*m*nΣi=1mΣj=1nd(i,j)]---(9)]]>

其中，δ為可見度函數(shù)中的權(quán)重系數(shù)，取δ＝0.65；

取PCNN的迭代次數(shù)np為200次，當(dāng)公式(6)運行次數(shù)為200次時，迭代停止；根據(jù)各帶通方向系數(shù)的脈沖輸出的點火次數(shù)X＝A',B'，見公式(10)大小來選擇融合帶通方向子帶系數(shù)的規(guī)則，提出用自適應(yīng)PCNN模型來選擇各方向子帶系數(shù)公式見公式(11)；

TklX(np)=TklX(np-1)+YklX(np)---(10)]]>

dklF(i,j)=dklA′(i,j),if TklA′(i,j)≥TklB′(i,j)dklB′(i,j),if TklA′(i,j)<TklB′(i,j)---(11)]]>

步驟5：圖像重構(gòu)

根據(jù)上述融合后系數(shù)，經(jīng)過NSCT的逆變換得到的圖像就是融合圖像；

根據(jù)融合準(zhǔn)則選擇的低頻子帶系數(shù)和各高頻子帶系數(shù)首先用非采樣的pkva濾波器組進(jìn)行多方向重構(gòu)，再用非采樣的正交9-7小波濾波器組進(jìn)行多尺度重構(gòu)，最終得到融合圖像F。