一种医学图像融合方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106709896A(43)申请公布日2017.05.24(21)申请号201611173999.5(22)申请日2016.12.08(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人刘哲宋余庆徐春艳(51)Int.Cl.G06T5/50(2006.01)权利要求书1页说明书4页附图3页(54)发明名称一种医学图像融合方法(57)摘要本发明涉及一种医学图像融合方法，属图像处理领域。本发明的方法基于NSCT多尺度分解和低秩表示方法，经过图像预处理、图像配准、图像多尺度分解、低秩表示融合等步骤实现。理论与实践证明，本发明妥善的解决了图像融合中的轮廓不清晰，细节信息丢失等问题。采用本文发明的方法后，不仅可以高效完成医学图像的融合，而不丢失重要的图像的融合信息，因此可以获得高质量的医学图像融合图像，满足临床医生的诊断阅读需求。CN106709896ACN106709896A权利要求书1/1页1.基于NSCT和低秩表示的医学图像融合方法，其特征在于：所述多尺度分解后的低频信息来获取低秩原矩阵(X)；针对低秩表示的针对图像的细节信息，低秩表示模型得到的稀疏项保证了图像的一些辨识特征和显著特征而低秩部分则反映了分解图像的主要特征，故使用低秩模型对低频系数进行融合。所述低秩表示的具体步骤为：1)将LA，LB分别通过不重复的原则按4*4窗口进行选取。2)选取的区域通过列优先的原则进行排列得到新的向量XA，XB。2.根据权利2中要求所述的低秩表示模型的图像融合方法步骤为：1)本发明的模型算法如下：s.t.X＝Z+E因为模型本身是NP难题，所以求解之前需要对其进行松弛变换，变换如下s.t.X＝Z+E然后通过构造拉格朗日函数来进行求解，具体就是固定其他变量，然后分别对Z，E求其最小化，再更新Y。分解后的稀疏项(E)和低秩项(Z)分别采用不同的融合方法进行融合。2)稀疏项(E)采用绝对值1泛数进行融合：3)低秩项采系数S型权重函数进行融合。W(ZA(i，j))＝f(ZA(i，j))W(ZB(i，j))＝f(ZB(i，j))Zfusion＝W(ZA)*ZA+W(ZB)*ZB低秩模型算法重构使得稀疏项融合系数和低秩部分融合系数得到低频融合系数，最终再通过低秩的重构函数进行构造得到融合结果。2CN106709896A说明书1/4页一种医学图像融合方法技术领域[0001]本发明涉及医学图像领域，具体涉及基于低秩表示和多尺度分解的医学图像融合。背景技术[0002]近年来，随着计算机技术、工业技术以及医学的快速发展，医学影像学为临床医学诊断提供的图像模态越来越多样化。由于成像原理的不同，多模态医学图像使得不同模态的医学影像具备不同的特点和优势，因此将不同特点和优势的图像想融合减少临床诊断的错误率。因此如何提高融合的质量是目前医学融合领域的难点。[0003]根据被融合图像成像方式不同，可分为同类方式融合和交互方式融合。图像融合的方式为单模融合、多模融合、模板融合，医学图像分为解剖图像和功能图像。而单模融合是指相同成像方式的图像融合。多模融合是指将形态成像和功能成像技术所获得的图像进行融合，即不同成像方式所获得图像间的融合；模板融合是指利用从健康人的研究中建立一系列模板为标准，将病人的图像与模板图像的融合。如SPECT与MR图像融合，PET与CT图像融合等。现有的基于图像特征的融合方法几乎都是从变换域上的图像编码和压缩技术延伸来的，有Laplacian金字塔法、Gaussian金字塔法、比率低通金字塔法、多分辨率形态滤波法和小波变换法等。现阶段，我国张鑫等提出的Contourlet变换系数加权的医学图像融合，该方法首先是将源图像进过Contourlet变换分解获得不同尺度对个方向下的分解系数。然后再对该系数进行分析来确定融合规则。这个算法可以增加多模态医学图像互补信息，并能够较好地提高医学图像融合的清晰度。Li提出一种单纯形变权的MRI和SPECT的融合方法，是基于GIHS空间，通过非下采样轮廓变换(NSCT)与变权相结合来避免了在MRI和SPECT领域的传统的透明技术的不足。还有一些学者提出了其他的融合方法，例如徐志平于2014提出通过局部极大值的方法来进行融合，该方法保存了图像的细节部分而且极大的提高了融合的质量和效率。SabalanDaneshvar于2014年提出了通过视觉模型和IHS空间的MRI和PET的医学图像融合方法，IHS算法和RIM融合技术能够保存更多的空间特征以及更有效的信息。KavithaC.T等人提出基于混合智能的医学图像融合该方法是将原始图像即PET或者SPECT通过蚁群算法进行边缘检测盒加强，经过这些步骤后，再进过s-PCNN的方