[發明專利]基于3D復數剪切波變換域廣義統計相關模型的醫學圖像融合方法

在審

• 申請號: 201710048460.5
• 申請日: 2017-01-21
• 公開（公告）號: CN107067387A
• 公開（公告）日: 2017-08-18
• 發明（設計）人: 王雷;郭全;孫福振;楊利素
• 申請（專利權）人: 山東理工大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 濟南智圓行方專利代理事務所(普通合伙企業)37231
• 代理人: 張玉琳

技術領域

本發明涉及醫學圖像融合領域，尤其涉及一種基于3D復數剪切波變換域廣義統計相關模型的醫學圖像融合方法。

背景技術

多模態醫學圖像融合在臨床診斷中扮演著重要的角色，它廣泛應用于圖像引導手術、圖像引導放射治療、非侵入性診斷以及治療的計劃的制定中，它是現代醫學可視化技術的關鍵環節，廣泛應用于現代醫學臨床診斷中。

目前，多模態醫學圖像融合方法大致可分為三種策略：替換方法、算術方法、多尺度分解法。其中替換方法，如彩色空間變換法，可能導致圖像光譜的畸變；算術方法，如貝葉斯估計法，易導致圖像對比度降低而丟失重要的細節信息。通常，圖像中的輪廓、邊緣等特征出現在不同大小的尺度上，人類的視覺系統研究表明物理圖像經過視網膜處理變成神經圖像是在不同的頻率通道處理的，圖像特征能在不同的尺度和頻率上引起人類視覺系統的敏感。

因此相比于上述兩種方法，基于多尺度分解的多模態醫學圖像融合方法更符合人類視覺系統的工作原理。

但是，目前的基于多尺度分解的多模態醫學圖像融合方法也有一些局限：

1、基于多尺度分解的多模態醫學圖像融合方法的核心問題之一是多尺度分解工具的選擇。在現有的流行方法中或選取小波(wavelet)或曲線波(curvelet)或輪廓波(contourlet)作為多尺度變換分解工具，但是它們都有其自身的缺點。例如，二維離散的小波變換只能將圖像分解為水平、垂直、對角三個高頻 子帶，這使其只能捕獲有限的方向信息，這表明基于小波變換的融合方法由于小波不能很好的表示圖像中的線、邊緣、輪廓等高維信息而會導致偽影現象。

剪切波是為了克服傳統小波的缺點而提出的一種新穎的多尺度幾何分析工具，相比在上文提到的在圖像融合中常用的其他多尺度分解工具，如曲線波(Curvelet),輪廓波變換(Contourlet)等，剪切波變換具有其獨特的優勢。目前，剪切波變換已經被應用于圖像融合中，但是當前的方法中存在以下問題：

(1)剪切波變換的離散化過程采用了下采樣策略實現，由于其不具備平移不變的性質而在圖像中的奇異處易產生偽吉布斯現象。平移不變性對于圖像奇異處的特征信息的提取至關重要，它嚴重影響融合后圖像的質量。

(2)有些文獻提出了基于平移不變變剪切波變換的融合方法，但是，這種平移不變的性質是通過非下采樣的拉普拉斯金字塔算法實現的，運算時間長，導致整個融合方法效率很低，不利于臨床實踐的推廣。

2、基于多尺度分解的多模態醫學圖像融合方法的另一個核心問題是低頻系數和高頻系數的融合規則的選取。目前，在融合中最常用的融合規則是對低頻系數取平均值，高頻系數采用對應系數絕對值最大策略或者是基于區域能量最大策略。多模態醫學圖像融合的目的是盡可能的獲取形態圖像(如CT、MRI)的解剖細節信息和功能圖像(如PET、SPECT)的新陳代謝的功能信息。此外，醫學圖像中的特征信息比并不只是圖像像素的簡單疊加，圖像中的特征變化具有實際的診斷意義。對待融合圖像進行多尺度分解后，低頻系數表示圖像的近似逼近，如果在醫學圖像的融合中仍舊對低頻系數取均值就會增加原來不存在的形態信息和丟失一些已經存在的功能信息。對高頻系數而言，傳統的基于多尺度幾何變換的多模圖像融合算法都是假設各個高頻子帶間是統計無關的，因而對每個子帶系數進行直接操作。其結果是易導致融合結果很模糊，且有塊狀 效應從而使整個融合圖像的視覺效果很差。

發明內容

本發明是針對現有技術所存在的不足，而提供了一種運算效率高、系數表示效率高的優點，可以克服傳統的稀疏表示不足的缺點，能夠更好地提取待融合圖像中的特征信息；且能夠提高融合圖像的質量的基于3D復數剪切波變換域廣義統計相關模型的醫學圖像融合方法。

為了實現上述目的，本發明提供了一種使用復數域的3D剪切波變換作為稀疏表示工具，相比較傳統的小波變換、實數域剪切波變換等，本申請方法具有運算效率高、系數表示效率高的優點，可以克服傳統的稀疏表示不足的缺點，能夠更好地提取待融合圖像中的特征信息；針對傳統融合方法未考慮不同尺度、不同方向的子帶系數間關系對融合結果影響的缺點，本申請建立了一個混合的多尺度相關模型：實數系數的多尺度多變量廣義高斯模型和虛數部分的雙峰模型，并將用之與融合中，實驗結果表明所提出的方法能夠提高融合圖像的質量。

具體為，一種基于3D復數剪切波變換域廣義統計相關模型的醫學圖像融合方法，其特征在于，包括以下步驟：