【技术实现步骤摘要】
本专利技术涉及医学图像处理领域,具体地说是一种基于区域对比的医学图像融合方法。
技术介绍
随着成像技术的发展,医学图像已成为现代医学诊断和治疗的重要手段。目前,临床中常用的医学图像主要分为解剖图像和功能影像两种。解剖图像(如CT、MR等)能清晰的提供器官的解剖结构、形态特征,并且具有较高的分辨率;功能影像(如PET、fMRI等)可以准确提供器官的功能和新陈代谢信息,但是其分辨率较低。单独一种模态的图像只能提供患者某些方面的特征,不能反映其全部病理信息。因此,在临床实践中,往往需要有机整合多种影像中的互补信息,融合多种模态的医学图像,为精确诊断和精准治疗提供依据。现有技术中,多模医学图像融合方法按照处理策略可以分为像素级、特征级、决策级三个层次,像素级融合方法主要有空域融合、变换域融合、智能融合等。空域方法通过对像素值本身的加权平均或形态学处理进行融合,其计算简单,融合效果较差。变换域方法首先对医学图像进行金字塔、小波或多尺度几何变换,提取变换域子带系数,针对子带系数制定不同的融合规则,最后通过反变换生成融合图像,其融合效果较好,但计算复杂度高,实时性差。智能融合方法通过神经网络、统计学习、模糊集等算法迭代计算融合系数,生成融合图像,其融合效果好坏往往依赖于学习算法的设计,且同样存在计算复杂度高,实时性差等问题。总的来讲,现有的像素级融合方法都是基于多模医学图像的结构、形态、颜色、时频信息等特征制定融合策略,缺乏对像素空间位置关系及对比度等因素的分析;同时,现有方法一般采取加权平均或绝对值取大作为融合规则,易使融合结果陷入全局最优,导致局部细节丢失或模糊, ...
【技术保护点】
一种基于区域对比的医学图像融合方法,其特征在于包括以下步骤:a、获取已配准的多模医学图像,根据多模医学图像的大小制定分块策略,按照从上到下、从左到右的原则对图像进行分块操作;b、计算每一像素在不同分块下的对比度和分块图像的直方图矩阵,并以直方图矩阵作为系数,生成每一像素的区域对比度矩阵;c、应用典型相关分析方法计算每一像素区域对比度矩阵的相关系数,求解像素区域对比度矩阵最相关时的系数矩阵;d、以求解得到的系数矩阵作为权值,生成融合图像。
【技术特征摘要】
1.一种基于区域对比的医学图像融合方法,其特征在于包括以下步骤:a、获取已配准的多模医学图像,根据多模医学图像的大小制定分块策略,按照从上到下、从左到右的原则对图像进行分块操作;b、计算每一像素在不同分块下的对比度和分块图像的直方图矩阵,并以直方图矩阵作为系数,生成每一像素的区域对比度矩阵;c、应用典型相关分析方法计算每一像素区域对比度矩阵的相关系数,求解像素区域对比度矩阵最相关时的系数矩阵;d、以求解得到的系数矩阵作为权值,生成融合图像。2.根据权利要求1所述的基于区域对比的医学图像融合方法,其特征在于步骤a中图像分块操作分t次进行,每次分块尺寸分别为多模医学图像大小的1,1/4,1/8…1/2t倍,t为大于等于2的正整数,定义配准后多模医学图像A和B大小均为m×n,则t的最大取值为3.根据权利要求1或2所述的基于区域对比的医学图像融合方法,其特征在于步骤b中采用以下方法计算每一像素区域对比度矩阵:定义多模医学图像A和B的分块分别表示为BAi和BBi,i表示第i次分块,i的取值为大于等于2且小于等于t的正整数,分块内像素点(x,y)的对比度C(x,y)i为: C A ( x , y ) i = | A ( x , y ) - MA i m a x ( BA i ) - m i n ( BA i ) | ]]> C B ( x , y ) i = | B ( x , y ) - MB i ...
【专利技术属性】
技术研发人员:曹强,李宝生,毛羽,李振江,
申请(专利权)人:山东省肿瘤医院,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。