[發明專利]基于非采樣的輪廓波變換自適應的醫學圖像融合方法

有效

• 申請號: 201410577546.3
• 申請日: 2014-10-22
• 公開（公告）號: CN104282007B
• 公開（公告）日: 2017-12-19
• 發明（設計）人: 黃丹飛;陳俊強
• 申請（專利權）人: 長春理工大學
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T3/40
• 代理公司: 吉林長春新紀元專利代理有限責任公司22100
• 代理人: 魏征驥

技術領域

本發明屬于圖像處理領域，尤其涉及一種基于非采樣的輪廓波變換(NSCT)自適應脈沖耦合神經網絡(PCNN)的醫學圖像融合方法。

背景技術

圖像融合是指將兩個或兩個以上的傳感器在同一時間或不同時間獲得的關于某個場景的圖像或圖像序列的信息加以綜合，從而生成一幅新的對該場景描述更全面、更精確的圖像。

隨著醫學影像成像技術的飛速發展，圖像質量已經有很大的提高，但是由于醫學影像成像技術的成像原理不同，單獨使用一種模態的成像技術，往往不能提供醫生所需要的足夠信息，通常要將不同模態的醫學圖像融合在一起，得到全面互補的信息以便了解病變組織的綜合信息，從而做出準確地診斷。

多尺度圖像融合的研究難點主要有兩個問題，其一是多尺度分解方法的選擇，其二是融合準則的選擇。大量的研究表明：不同的多尺度變換分解方法和融合規則直接影響到醫學圖像融合的效果。

文獻《一種基于區域的多分辨率圖像融合算法。IEEE第五屆國際會議上的信息融合[J]，2002：1557-1564》表明小波變換已經廣泛地應用在多模態醫學圖像的融合處理中。但是文獻《Contourlets超越小波[M]。科學出版社，2002》研究表明小波變換對二維圖像進行分析時只能分解成三個各向同性的方向，不能充分利用圖像的幾何特征來挖掘圖像中的邊緣方向信息，這使得融合后的圖像容易產生方塊效應，降低了融合后圖像的質量。針對小波變換的缺陷，文獻《Contourlet變換：一種有效的方向多分辨率圖像表示[J]。IEEE圖像處理事務，2005,14(12)：2091-2106》中的M.N.Do和M.Vetterli提出了提出了Contourlet變換，該變換不僅具有小波變換的多尺度、時頻局部特征特性，還有多方向特性，可以更好的捕捉圖像的邊緣信息。但是文獻《基于Contourlet變換的多波段SAR圖像融合[A]。IEEE國際信息獲取[C]。2006：420-424》研究表明Contourlet變換需要對圖像進行降采樣操作，這使得Contourlet變換因缺乏平移不變性而產生偽輪廓現象。為此，文獻《非下采樣輪廓波變換理論，設計和應用[J]。IEEE圖像處理事務，2006,15(10)：3089-3101》中的A.L.Cunha等又提出了一種具有平移不變性的Contourlet變換即非采樣Contourlet變換，很好的解決了偽輪廓現象，但是該變換采用拉普拉斯金字塔進行多尺度分解會產生冗余信息。文獻《關于PCNN應用于圖像處理的研究[J]。電訊技術，2003，3：21-24》表明人工神經網絡已經廣泛地應用于圖像融合中，特別是Eckhorn等對貓的視覺皮層神經元脈沖串同步振蕩現象的研究而形成的脈沖耦合神經網絡在圖像處理領域中正被廣泛研究，但是傳統PCNN的連接強度通常是常數，這就極大地限制了PCNN自動處理能力和使用的普遍性。

發明內容

本發明提供一種基于非采樣的輪廓波變換自適應的醫學圖像融合方法，目的是提供一種細節清晰信息保留完全的圖像融合方法。

本發明采取的技術方案是：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大小的核磁共振醫學圖像A和256×256大小的正電子發射斷層醫學圖像B；

步驟2：圖像預處理

對醫學圖像進行去噪預處理，采用3×3模版的算術均值濾波器G對圖像A和B進行濾波處理見公式(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

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濾波器，h₁、g₁為高通分解濾波器和重構濾波器；

h₀*g₀+h₁*g₁＝1(2)