一种基于最优传输理论的多模态医学图像融合方法.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CN109035137A(43)申请公布日2018.12.18(21)申请号201810844859.9(22)申请日2018.07.27(71)申请人重庆邮电大学地址400065重庆市南岸区黄桷垭崇文路2号(72)发明人秦红星吴一凡(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人赵荣之(51)Int.Cl.G06T3/00(2006.01)权利要求书2页说明书6页附图3页(54)发明名称一种基于最优传输理论的多模态医学图像融合方法(57)摘要本发明涉及一种基于最优传输理论的多模态医学图像融合方法，属于计算机图形学和医学图像处理技术领域，该方法包含如下步骤：S1：输入两张待融合的不同模态医学图像；S2：对源图像进行取反，对取反后的源图像进行归一化操作；S3：计算归一化操作之后源图像之间的最优传输质心；S4：根据最优传输质心进行图像取反，重构结果融合图像。本发明方法能够在保留更多源图像信息的情况下，消除掉较多的噪声，同时降低计算复杂度的方法，进行更快速有效的多模态医学图像的融合。同时，本发明方法运行速度快，输入图像后能够快速地给出融合结果，效率较高，鲁棒性强，不仅适应于医学图像，也可以对非医学图像进行有效地融合。CN109035137ACN109035137A权利要求书1/2页1.一种基于最优传输理论的多模态医学图像融合方法，其特征在于：该方法包含如下步骤：S1：输入两张待融合的不同模态医学图像；S2：对源图像进行取反，对取反后的源图像进行归一化操作；S3：计算归一化操作之后源图像之间的最优传输质心；S4：根据最优传输质心进行图像取反，重构结果融合图像。2.根据权利要求1所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S2中，使用255作为取反参数进行图像取反处理：p′k＝255-pk其中，pk(k＝1,2)表示输入源图像，p′k表示取反处理后的图像；具体为：将输入源图像分为三个通道，分别对三个通道进行取反处理：其中，分别表示输入源图像取反后的三个通道值。3.根据权利要求2所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S2中，对取反后的图像进行归一化处理，即将图像像素值转换为像素值的概率分布，满足：每一个概率分布值的范围为0～1，且概率分布值的总和为1。4.根据权利要求3所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S3中，最优传输质心根据最优传输理论来求解两张图像之间的最优传输计划和最优传输距离，使用传输距离来度量两张图像之间的距离：其中，为N维向量空间中的包含两个元素p′1,p′2的单纯形，为在N×N维向量空间中的最优传输计划，C为两张图像之间的代价矩阵，γ为熵约束参数，E(Τ)＝-∑i,jΤi,jlogΤi,j为传输计划Τ的熵，Τi,j表示所述传输计划Τ中的第i行第j列元素。5.根据权利要求4所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S3包含如下步骤：S31：将图像融合问题转化为质心求解问题，将图像看作是概率空间中的两个点：其中，为在中的单纯形，M为输入图像数量，p′k和λk分别表示第k个输入图像和相对应的质心权重参数，p为输入图像之间的质心，λk为质心权重参数，满足，∑kλk＝1；S32：将质心求解问题转化为使用最优传输计划的集合问题，进行求解：2CN109035137A权利要求书2/2页其中，KLλ(Τ|ξ)表示最优传输计划Τ和卷积核ξ之间的KL散度，Tk和ξk表示第k个输入图像p′k同质心p之间的最优传输计划和所对应的卷积核，为最优传输计划Τ的约束集；S33：对传输计划集合进行约束，两个约束条件满足：其中，(Tk)k表示传输计划，为传输计划Tk的转置。6.根据权利要求5所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S33中，使用Bregman迭代方法求解传输计划，满足：其中，表示第l次迭代得到的传输计划，表示第l次迭代得到的两个缩放向量，可初始化为7.根据权利要求6所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S33中，两个缩放向量的更新满足：其中，p(l)表示第l次迭代得到的当前质心，为第l+1次迭代得到的缩放向量，当前迭代质心通过几何方法替代进行求解，满足，8.根据权利要求7所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S4具体为：对输入图像的RGB三通道分别通过多次迭代后，进行组合，还原为最终的融合图像：F′＝255-p其中，F′表示融合图像。3CN109035137A说明书1/6页一种基于最优传输理论的多模态医学图像融合方法技术领域[0001]本发明属于计算机图形学