一种双通道多模态图像融合方法及融合成像终端机技术

本发明专利技术提供一种双通道多模态图像融合方法及融合成像终端机，涉及医学成像技术领域，通过JBF变换将源图像分解为结构通道和能量通道；采用局部梯度能量算子将结构通道与组织纤维等小边缘小尺度的细节信息进行融合，采用局部熵细节增强算子、PCNN和相位一致性的NSCT将能量通道与器官边缘强度、纹理特征以及灰度变化情况进行融合；通过逆JBF变换得到融合图像。本发明专利技术能够使融合图像在保持边缘、降噪平滑的基础上,增强细节信息,提高与多模态医学图像相似程度的医学图像融合。对结构通道采用改进式的局部梯度能量算子,进一步提高了对融合图像细节信息的表达。像细节信息的表达。像细节信息的表达。

【技术实现步骤摘要】
一种双通道多模态图像融合方法及融合成像终端机


[0001]本专利技术涉及医学成像
，尤其涉及一种双通道多模态图像融合方法及融合成像终端机。

技术介绍

[0002]随着传感器技术和计算机技术的应用与发展,医学成像技术在现代医学诊断和治疗中发挥着越来越重要的作用。由于成像机理和技术限制,单一传感器获取的不同图像只能反映病变部位的局部特征,因此想要在一幅图像中观察到该部位的全部特征,就要对目标模态医学图像的有用信息进行提取,并将多幅原始医学图像互补信息进行融合,使融合图像可以提供更全面、更可靠的病变描述,有助于医生对病变部位做出更准确而全面的诊断。
[0003]现有技术中，图像融合技术在医学领域得到广泛研究,许多学者提出大量的图像融合算法,这些方法大致分为空间域技术和频率域技术。空间域技术是指对源图像像素级或颜色空间直接进行融合操作,目前常见的包括图像像素最大值法、图像像素加权平均法、主成分分析法(principal component analysis,PCA)和布罗维变换等。空间域技术能够有效保留医学图像的空间信息,但也常会在融合时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种双通道多模态图像融合方法，其特征在于，方法包括：步骤1、通过JBF变换将源图像分解为结构通道和能量通道；步骤2、采用局部梯度能量算子将结构通道与组织纤维等小边缘小尺度的细节信息进行融合，采用局部熵细节增强算子、PCNN和相位一致性的NSCT将能量通道与器官边缘强度、纹理特征以及灰度变化情况进行融合；步骤3、通过逆JBF变换得到融合图像。2.根据权利要求1所述的双通道多模态图像融合方法，其特征在于，步骤1还包括：对输入图像I进行全局模糊处理,即R
m
＝G
m
*I
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)其中,R
m
表示在标准差为σ下的平滑结果；G
m
表示方差为σ2的高斯滤波器,在(x,y)处的高斯滤波器G
m
定义为：使用加权平均高斯滤波器生成全局模糊图像G,即其中,I表示输入图像；N(j)表示像素点i的相邻像素集；表示像素值的方差；Z
j
表示归一化操作,即采用JBF来恢复能量通道的大尺度结构,即其中,g
s
表示基于像素之间强度差异的强度范围函数；g
d
表示基于像素距离的空间距离函数；Z
j
表示归一化操作,即表示归一化操作,即
σ
s
,σ
r
分别表示控制双边滤波器的空间权重和范围权重；得到源图像A,B的能量通道E
I
(x,y),并通过式(19)获得结构通道S
I
(x,y)；S
I
(x,y)＝I(x,y)
‑
E
I
(x,y)
ꢀꢀꢀꢀꢀꢀꢀ
(19)。3.根据权利要求2所述的双通道多模态图像融合方法，其特征在于，步骤1还包括：构造局部梯度能量算子,即LGE(x,y)＝NE1(x,y)
·
ST(x,y)
ꢀꢀꢀꢀꢀ
(20)其中,ST(x,y)表示由STS产生的结构张量显著图像；NE1(x,y)表示在(x,y)处的图像的局部能量,即(x,y)处邻域尺寸大小为(2N+1)
×
(2N+1),N取值为4；通过比较源图像之间局部梯度能量的大小,得到决策矩阵S
map
(x,y)定义为将结构通道融合的决策矩阵更新为即其中,Ω1表示以(x,y)为中心,大小为T
×
T的局部区域,T取值为21；根据以下规则得到融合后的结构通道S
F
(x,y),即其中,S
A
(x,y),S
B
(x,y)分别为源图像A,B的结构通道。4.根据权利要求1或2所述的双通道多模态图像融合方法，其特征在于，步骤1还包括：配置能量通道高频子带融合规则；步骤包括：刻画能量通道高频子带的细节信息，以(x,y)为中心的图像局部熵定义为：其中,S表示以(x,y)为中心,大小为(2N+1)
×
(2N+1)的窗口；基于空间频率计算(x,y)处的灰度变化率，反映其细节特征,即
其中,h,w分别表示源图像的长和宽；CF,RF分别表示位于(i,j)处x与y方向的一阶差分,公式为CF(x,y)＝f(x,y)
‑
f(x
‑
1,y)
ꢀꢀꢀꢀꢀ
(27)RF(x,y)＝f(x,y)
‑
f(x,y
‑
1)
ꢀꢀꢀꢀꢀ
(28)基于边缘密度计算(x,y)处的边缘像素点梯度的幅值，具体定义为：其中,s
x
,s
y
分别表示x,y方向上的Sobel算子卷积后的结果，即s
x
＝T*h
x
ꢀꢀꢀꢀꢀ
(30)s
y
＝T*h
y
ꢀꢀꢀꢀꢀ
(31)T表示各像素点(x,y)；h
x
，h
y
分别表示x，y方向上的Sobel算子，即分别表示x，y方向上的Sobel算子，即通过高频综合测量算子HM对能量通道高频子带进行融合；其中,参数α1,β1,γ1分别用于调整在HM中图像局部熵、空间频率和边缘密度的权重；通过比较能量通道高频子带HM之间大小，得到能量通道高频子带融合的决策矩阵E
Hmap
(x,y),定义为同时根据以下规则得到融合后的第1～4层高频子带的融合图像同时根据以下规则得到融合后的第1～4层高频子带的融合图像其中,分别表示源图像A,B第1～4层能量通道高频子带。5.根据权利要求4所述的双通道多模态图像融合方法，其特征在于，方法中对第5层高频子带采用PCNN进行融合,通过计算PCNN激励次数,得到融合后的能量通道高频子带
其中,分别表示源图像A,B第5层能量通道高频子带；分别表示源图像表示第5层能量通道高频子带PCNN激励次数,T
ij
(n)公式为T
ij
(n)＝T
ij
(n
‑
1)+P
ij
(n)<...

【专利技术属性】
技术研发人员：刘慧，朱积成，王欣雨，郭强，张永霞，
申请(专利权)人：山东财经大学，
类型：发明
国别省市：