基于NSST变换的多模态医学图像融合算法研究.docx

基于NSST变换的多模态医学图像融合算法研究
基于NSST变换的多模态医学图像融合算法研究
摘要：多模态医学图像融合在医学影像诊断和治疗中具有重要的应用价值。本文提出了一种基于非平稳多尺度时频变换（NSST）的多模态医学图像融合算法。首先，对输入的多模态医学图像进行NSST变换，得到各自的非平稳多尺度时频系数。然后，通过选择合适的融合策略以及权重分配方式，将不同模态的时频系数进行加权融合，得到融合后的图像。最后，通过图像质量评价指标和临床医生的主观感受评价融合效果。实验结果表明，所提出的算法能够有效融合多模态医学图像，提升图像细节和对比度，为医学影像诊断和治疗提供有力支持。
1.引言
随着医学影像技术的发展，不同模态医学图像（如MRI、CT等）在诊断和治疗中被广泛应用。然而，不同模态的医学图像由于其特点和成像原理的不同，往往存在互补性信息。因此，将多模态医学图像融合成一幅综合的图像，不仅能够提高图像质量，还能够提供更全面、准确的医学信息，对于临床医生的诊断和治疗具有重要意义。
2.相关工作
目前，多模态医学图像融合的方法主要包括基于变换域的方法和基于区域的方法。前者常用的变换包括小波变换、Contourlet变换等，后者则考虑到图像的局部特征，基于图像的分割和特征提取进行融合。然而，这些方法在处理多模态医学图像时存在一些问题，如无法充分利用多模态图像的互补信息、难以保留图像的细节信息等。
3.NSST变换
非平稳多尺度时频变换（NSST）是一种基于小波分析的信号处理技术，适用于非平稳信号的时频分析。NSST通过多尺度和多方向的小波滤波器对信号进行分解，提取出信号的时频信息。在这里，NSST被用于对多模态医学图像进行变换，从而保留图像的时频特征。
4.多模态医学图像融合算法
（1）NSST变换：对输入的多模态医学图像进行NSST变换，得到各自的非平稳多尺度时频系数。
（2）时频系数融合：根据预先设定的融合策略和权重分配方式，对不同模态的时频系数进行加权融合，得到融合后的时频系数。
（3）逆NSST变换：对融合后的时频系数进行逆NSST变换，得到融合后的图像。
（4）结果评价：通过图像质量评价指标（如峰值信噪比、结构相似性指数等）和临床医生的主观感受评价融合效果。
5.实验结果与分析
本文基于公开的医学图像数据集进行了实验，比较了所提出的算法与其他多模态医学图像融合方法的融合效果。实验结果表明，所提出的算法能够更好地保留图像的细节和对比度，同时提高图像的清晰度和信息丰富度。
6.结论与展望
本文提出了一种基于NSST变换的多模态医学图像融合算法，通过对多模态医学图像进行NSST变换和时频系数融合，实现了对多模态图像的综合融合。实验结果表明，所提出的算法能够有效提升图像质量和信息丰富度，为医学影像诊断和治疗提供了有力的支持。然而，本文的算法仍然存在一些问题，如权重分配方式的确定等，需要进一步研究和改进。
参考文献：
[1]ZengY,MüllerH.Imagefusioninmulti-contextspace:anewinsightintomultisensorimagefusion.PatternRecognition.2009,42(4):542-554.
[2]WangM,ZhuangL,ZhangB,etal.Nonsubsampledshearlettransform-basedCTandMRImedicalimagefusion.Computationalandmathematicalmethodsinmedicine,2013.
[3]LiT,WuR,ZhangZ,etal.Contourlet-basedfusionmethodforvisible-infraredimagepair.InformationFusion.2012,13(4):257-270.
[4]KhellahFM,GheblehM,TaherkhaniF.NewMedicalImageFusionTechnique.InternationalJournalofComputerScienceandArtificialIntelligence.2018,8(1):10-19.