一种核磁共振图像与CT图像融合方法与系统技术方案

本发明专利技术提供了一种核磁共振图像与CT图像融合方法与系统，其中该方法包括：对核磁共振图像和CT图像进行小波分解并计算分解后图像的信息梯度值；根据信息梯度值构建融合系数；计算核磁共振小波图像和CT小波图像的信息值；根据信息值构建融合公式；根据融合公式和融合系数构建图像融合模型；利用图像融合模型对核磁共振图像和CT图像进行融合得到融合后的图像。本发明专利技术通过待融合图像的信息梯度值和信息值构建图像融合模型，并基于此对核磁共振图像和CT图像进行融合，不仅可以改善图像的清晰度，可以弥补单一的核磁共振图像或者CT图像信息量不足的缺陷，大大提高了医生对图像的判读效果，为后续病灶定位提供了有利的影像依据。为后续病灶定位提供了有利的影像依据。为后续病灶定位提供了有利的影像依据。

【技术实现步骤摘要】
一种核磁共振图像与CT图像融合方法与系统


[0001]本专利技术属于图像融合
，更具体地说，是涉及一种核磁共振图像与CT图像融合方法与系统。

技术介绍

[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融合可以减少临床诊断的错误率。
[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和多模融合，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。
[0004]目前广泛使用的基于对抗残差网络的医学图像融合算法的主要原理是：通过字典对源图像进行稀疏编码，得到稀疏系数，再设置一定的融合规则对系数进行融合，最后重构得到融合图像；但是由于该算法需要对每个图像块进行编码，因此不仅计算效率低，而且还会使融合后图像细节信息丢失严重。

技术实现思路

[0005]本专利技术的目的在于提供一种核磁共振图像与CT图像融合方法与系统，旨在解决现有图像融合方法图像信息丢失严重的问题。
[0006]为实现上述目的，本专利技术采用的技术方案是：
[0007]一种核磁共振图像与CT图像融合方法，包括：
[0008]步骤1：获取核磁共振图像和CT图像；
[0009]步骤2：对所述核磁共振图像和所述CT图像进行小波分解得到核磁共振小波图像和CT小波图像；
[0010]步骤3：根据所述核磁共振小波图像和所述CT小波图像得到信息梯度值；
[0011]步骤4：根据信息梯度值构建融合系数；
[0012]步骤5：计算所述核磁共振小波图像和所述CT小波图像的信息值；
[0013]步骤6：根据所述信息值构建融合公式；
[0014]步骤7：根据所述融合公式和融合系数构建图像融合模型；
[0015]步骤8：利用所述图像融合模型对所述核磁共振图像和CT图像进行融合得到融合后的图像。
[0016]优选地，所述步骤3：根据所述核磁共振小波图像和所述CT小波图像得到信息梯度值，包括：
[0017]步骤3.1：对所述核磁共振小波图像和所述CT小波图像进行叠加平均得到叠加平
均图像；
[0018]步骤3.2：采用信息梯度值计算模型计算所述核磁共振小波图像、所述CT小波图像和所述叠加平均图像的信息梯度值；其中，信息梯度值计算模型为：
[0019][0020]其中，表示核磁共振小波图像在以点(i,j)为中心，邻域窗口大小为N
×
M区域内的信息梯度值，表示CT小波图像在以点(i,j)为中心，邻域窗口大小为N
×
M区域内的信息梯度值，表示叠加平均图像在以点(i,j)为中心，邻域窗口大小为N
×
M区域内的信息梯度值，表示核磁共振小波图像在邻域窗口大小为N
×
M区域内行方向的一阶差分，表示核磁共振小波图像在邻域窗口大小为N
×
M区域内列方向的一阶差分，表示CT小波图像在邻域窗口大小为N
×
M区域内行方向的一阶差分，表示CT小波图像在邻域窗口大小为N
×
M区域内列方向的一阶差分，表示叠加平均图像在邻域窗口大小为N
×
M区域内行方向的一阶差分，表示叠加平均图像在邻域窗口大小为N
×
M区域内列方向的一阶差分。
[0021]优选地，所述步骤4：根据信息梯度值构建融合系数，包括：
[0022]步骤4.1：根据信息梯度值计算加权系数；其中，所述加权系数计算公式为：
[0023][0024]其中，W1(i,j)表示第一加权系数，W2(i,j)表示第二加权系数，表示核磁共振小波图像总的信息梯度值，表示CT图像总的信息梯度值，表示叠加平均图像总的信息梯度值；
[0025]步骤4.2：根据所述加权系数得到融合系数。
[0026]优选地，所述步骤4.2：根据所述加权系数得到融合系数，包括：
[0027]采用公式：
[0028][0029]计算融合系数；其中，ω
B2
(i,j)表示融合系数，ω
A2
(i,j)表示中间系数。
[0030]优选地，所述步骤5：计算所述核磁共振小波图像和所述CT小波图像的信息值，包括：
[0031]步骤5.1：根据所述核磁共振小波图像和所述CT小波图像的绝对值计算核磁共振小波图像和所述CT小波图像的能量值；
[0032]步骤5.2：根据所述能量值得到核磁共振小波图像和所述CT小波图像的信息值；其中，信息值计算公式为：
[0033][0034]式中，ω
A2
(i,j)表示核磁共振小波图像的信息值，ω
B2
(i,j)表示CT小波图像的信息值，RE
A
(i,j)表示核磁共振小波图像的能量值，RE
B
(i,j)表示CT小波图像的能量值。
[0035]优选地，所述步骤6：根据所述信息值构建融合公式，包括：
[0036]采用公式：
[0037][0038]构建融合公式；其中，表示核磁共振小波图像在(i+m,j+n)点的像素值，表示CT图像在(i+m,j+n)点的像素值。
[0039]优选地，所述步骤7：根据所述融合公式和融合系数构建图像融合模型，包括：
[0040]采用公式：
[0041][0042]构建图像融合模型；其中，表示融合后的图像，T表示融合阈值，r表示可调系数。
[0043]本专利技术还提供了一种核磁共振图像与CT图像融合系统，包括：
[0044]图像获取模块，用于获取核磁共振图像和CT图像；
[0045]小波分解模块，用于对所述核磁共振图像和所述CT图像进行小波分解得到核磁共振小波图像和CT小波图像；
[0046]信息梯度值计算模块，用于根据所述核磁共振小波图像和所述CT小波图像得到信息梯度值；
[0047]融合系数计算模块，用于根据信息梯度值构建融合系数；
[0048]信息值计算模块，用于计算所述核磁共振小波图像和所述CT小波图像的信息值；
[0049]融合公式构建模块，用于根据所述信息值构建融合公式；
[0050]图像融合模型构建模块，用于根据所述融合公式和融合系数构建图像融合模型；
[0051]图像融合模块，用于利用所述图像融合模型对所述核磁共振图像和CT图像进行融合得到融合后的图像。
[0052]本专利技术还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核磁共振图像与CT图像融合方法，其特征在于，包括：步骤1：获取核磁共振图像和CT图像；步骤2：对所述核磁共振图像和所述CT图像进行小波分解得到核磁共振小波图像和CT小波图像；步骤3：根据所述核磁共振小波图像和所述CT小波图像得到信息梯度值；步骤4：根据信息梯度值构建融合系数；步骤5：计算所述核磁共振小波图像和所述CT小波图像的信息值；步骤6：根据所述信息值构建融合公式；步骤7：根据所述融合公式和融合系数构建图像融合模型；步骤8：利用所述图像融合模型对所述核磁共振图像和CT图像进行融合得到融合后的图像。2.如权利要求1所述的一种核磁共振图像与CT图像融合方法，其特征在于，所述步骤3：根据所述核磁共振小波图像和所述CT小波图像得到信息梯度值，包括：步骤3.1：对所述核磁共振小波图像和所述CT小波图像进行叠加平均得到叠加平均图像；步骤3.2：采用信息梯度值计算模型计算所述核磁共振小波图像、所述CT小波图像和所述叠加平均图像的信息梯度值；其中，信息梯度值计算模型为：其中，表示核磁共振小波图像在以点(i,j)为中心，邻域窗口大小为N
×
M区域内的信息梯度值，表示CT小波图像在以点(i,j)为中心，邻域窗口大小为N
×
M区域内的信息梯度值，表示叠加平均图像在以点(i,j)为中心，邻域窗口大小为N
×
M区域内的信息梯度值，表示核磁共振小波图像在邻域窗口大小为N
×
M区域内行方向的一阶差分，表示核磁共振小波图像在邻域窗口大小为N
×
M区域内列方向的一阶差分，表示CT小波图像在邻域窗口大小为N
×
M区域内行方向的一阶差分，表示CT小波图像在邻域窗口大小为N
×
M区域内列方向的一阶差分，表示叠加平均图像在邻域窗口大小为N
×
M区域内行方向的一阶差分，表示叠加平均图像在邻域窗口大小为N
×
M区域内列方向的一阶差分。3.如权利要求2所述的一种核磁共振图像与CT图像融合方法，其特征在于，所述步骤4：根据信息梯度值构建融合系数，包括：步骤4.1：根据信息梯度值计算加权系数；其中，所述加权系数计算公式为：
其中，W1(i,j)表示第一加权系数，W2(i,j)表示第二加权系数，表示核磁共振小波图像总的信息梯度值，表示CT图像总的信息梯度值，表示叠加平均图像总的信息梯度值；步骤4.2：根据所述加权系数得到融合系数。4.如权利要求3所述的一种核磁共振图像与CT图像融合方法，其特征在于，所述步骤4.2：根据所述加权系数得到融合系数，包括：采用公式：计算融合系数；其中，ω
B2

【专利技术属性】
技术研发人员：张源，孙文凤，
申请(专利权)人：中科微影浙江医疗科技有限公司，
类型：发明
国别省市：