基于平移不变剪切波变换的多模态医学图像融合方法技术

本发明专利技术公开了一种基于平移不变剪切波变换的多模态医学图像融合方法，包括以下步骤：1）准备待融合的两幅多模态医学图像，利用平移不变剪切波变换分别将两幅图像都分解为低频近似图像和高频细节图像，再将高频细节图像分解为不同的方向子带；2）分别融合两幅图像的低频近似图像和高频细节图像分解的各个方向子带；3）对步骤2）融合后的低频近似图像和高频细节图像分解的各个方向子带，利用逆平移剪切波变换得到融合图像。本发明专利技术采用了平移不变剪切波变换的图像融合方法，能方便、经济、高效率地实现多模态医学图像数据的融合，并能充分显示并捕捉到不同模态图像的内部隐含的细节部位的形态信息和功能信息，从而满足医学运用的精确性要求。

【技术实现步骤摘要】

本专利技术涉及一种图像融合方法，尤其是一种，属于医学图像处理及应用

技术介绍
多模态医学图像融合在临床诊断中扮演着重要的角色，它广泛应用于图像引导手术、图像引导放射治疗、非侵入性诊断以及治疗的计划的制定中。例如，在非侵入性诊断及治疗计划中，医生常常需要利用不同模态的医学图像来看清病人体内的病变结构和细节信息来准确地确定肿瘤的相对位置以及观察病变肿瘤对放射性射线的病理反应。因此，多模态医学图像融合技术是现代医学可视化技术的关键环节，广泛应用于现代医学临床诊断中。目前，多模态医学图像融合方法大致可分为三种策略替换方法、算术方法、多尺度分解法。替换方法，如彩色空间变换法，可能导致图像光谱的畸变；算术方法，如贝叶斯估计法，易导致图像对比度降低而丢失重要的细节信息。通常，图像中的轮廓、边缘等特征出现在不同大小的尺度上，人类的视觉系统研究表明物理图像经过视网膜处理变成神经图像是在不同的频率通道处理的，图像特征能在不同的尺度和频率上引起人类视觉系统的敏感。因此相比于上述两种方法，基于多尺度分解的多模态医学图像融合方法更符合人类视觉系统的工作原理。基于多尺度分解的多模态医学图像融合方法的核心问题之一是多尺度分解工具的选择。在现有的专利技术中，如中国专利号为20081023245. 3公开的基于多尺度几何分析的SAR图像融合方法、中国专利号为200910230339公开的医学超声的基波和谐波图像融合方法、中国专利号为201010300277公开的基于图像相似度的图像融合方法等，它们或选取小波(wavelet)或曲线波(curvelet)或轮廓波(contourlet)作为多尺度变换分解工具,但是它们都有其自身的缺点。例如，二维离散的小波变换只能将图像分解为水平、垂直、对角三个高频子带，这使其只能捕获有限的方向信息，这表明基于小波变换的融合方法由于小波不能很好的表示图像中的线、边缘、轮廓等高维信息而会导致伪影现象。剪切波是为了克服传统小波的缺点而提出的一种新颖的多尺度几何分析工具，相比在上文提到的在图像融合中常用的其他多尺度分解工具，如曲线波(Curvelet)，轮廓波变换(Contourlet)等，剪切波变换具有其独特的优势从近似理论的观点来看，剪切波形成一个具有的小波形式的多尺度多方向的紧支集结构，它是图像信号(如边缘)的真正的二维稀疏表示，目前只有曲线波具有类似的性质。然而，曲线波的实现过程过于复杂，并且不在图像的多分辨分析框架内实现，不利于快速算法的实现。相比轮廓波，虽然剪切波具有相似的实现过程，但是剪切波在剪切过程中没有方向数目和支撑基尺寸大小的限制。此外，剪切波逆变换只需对正向变换中的剪切滤波器进行加和处理，而不需要像轮廓波对方向滤波器逆合成，这说明剪切波的实现过程具有更高的计算效率。目前，剪切波变换已经被应用于图像融合中，如文献《Anovel algorithm of image fusion using shearlets》(OpticsCommunications, 2010，284(6) : 1540 - 1547.)。然而，在上述文献中，剪切波变换的离散化过程采用了下采样策略实现，由于其不具备平移不变的性质而在图像中的奇异处易产生伪吉布斯现象。平移不变性对于图像奇异处的特征信息的提取至关重要，它严重影响融合后图像的质量。基于多尺度分解的多模态医学图像融合方法的另一个核心问题是低频系数和高频系数的融合规则的选取。目前，在融合中最常用的融合规则是对低频系数取平均值，高频系数采用对应系数绝对值最大策略或者是基于区域能量最大策略。多模态医学图像融合的目的是尽可能的获取形态图像(如CT、MRI)的解剖细节信息和功能图像(如PET、SPECT)的新陈代谢的功能信息。此外，医学图像中的特征信息比并不只是图像像素的简单叠加，图像中的特征变化具有实际的诊断意义。对待融合图像进行多尺度分解后，低频系数表示图像的近似逼近，如果在医学图像的融合中仍旧对低频系数取均值就会增加原来不存在的形态信息和丢失一些已经存在的功能信息。因此在本文中采用基于区域系数绝对值和权重的低频系数融合策略。高频系数代表图像的细节信息，此外，基于人工神经网络的融合策略越来越受到学者们的重视，如中国专利号为20061002815. 3公开的专利技术专利基于Contourlet变换和改进型脉冲耦合神经网络的图像融合方法，它利用了脉冲耦合神经网络作为融合规贝U。但是这些应用中神经网络包含许多参数，并且需要专家依靠经验去设置，这限制了它们的使用范围。然而，传统的融合策略，包括基于对应系数绝对值最大策略或者基于区域能量最大策略的融合规则，它们的共同特点是所有的运算都是在每一个高频子带单独进行的。实际研究表明，不同尺度的高频子带间存在很强的相关性。因此，传统的融合规则没有充分考虑这种相关性而造成了不同模态图像的高频子带相关性的丢失。
技术实现思路
本专利技术的目的是为了解决上述现有技术的缺陷，提供一种可在普通硬件条件下实现的。本专利技术的目的可以通过采取如下技术方案达到，其特征在于包括以下步骤I)准备待融合的两幅多模态医学图像，利用平移不变剪切波变换分别将两幅图像都分解为低频近似图像和高频细节图像，再将高频细节图像分解为不同的方向子带；2)分别融合两幅图像的低频近似图像和高频细节图像分解的各个方向子带2.1)对低频近似图像，采用基于区域系数绝对值和权重的融合策略进行融合；2. 2)对高频细节图像各个方向子带，采用基于子带标准差和概率密度函数权重的融合规则进行融合a)构建高频子带系数的隐马尔科夫树HMT模型，利用HMT模型训练各子带系数，得到每个子带的标准差和概率密度函数；b)采用基于子带标准差和概率密度函数权重的融合规则确定融合图像的各个高频子带系数。3)对步骤2)融合后的低频近似图像和高频细节图像分解的各个方向子带，利用逆平移剪切波变换得到融合图像。作为一种优选方案，所述待融合的两幅多模态医学图像若为彩色图像，在步骤I)对图像分解之前，先进行IHS变换,获得图像的Intensity分量,再对Intensity分量利用平移不变剪切波变换进行分解；在步骤3)中利用逆平移剪切波变换先得到Intensity分量，再进行逆IHS变换得到融合的彩色图像。作为一种优选方案，所述步骤I)所述利用平移不变剪切波变换分解图像，具体如下1.1)利用非下采样金字塔策略将其中一幅多模态医学图像分解成为低频近似图像f_+1和高频细节图像g#1，其中j表示图像分解的尺度，j ^ I ；1. 2)针对高频细节图像g#1，构建Meyer窗口进行多尺度剖分a)在伪极化网格生成剪切滤波器窗口 W ；b)将W从伪极化网格系统映射回到笛卡尔坐标系统，生成新的剪切滤波器Wnrat ；c)计算细节图像的傅里叶变换，产生矩阵Fgj+1 ；d)将Wnew作用到Fg'获得方向子带；1. 3)对各个方向子带作用逆傅里叶变换得到平移不变剪切波系数；1. 4)对另一幅多模态医学图像采用上述步骤进行分解。作为一种优选方案，步骤2.1)所述基于区域系数绝对值和权重的融合规则如下a)计算低频系数在3X3邻域的绝对值的和本文档来自技高网...

【技术保护点】
基于平移不变剪切波变换的多模态医学图像融合方法，其特征在于包括以下步骤：1）准备待融合的两幅多模态医学图像，利用平移不变剪切波变换分别将两幅图像都分解为低频近似图像和高频细节图像，再将高频细节图像分解为不同的方向子带；2）分别融合两幅图像的低频近似图像和高频细节图像分解的各个方向子带：2.1）对低频近似图像，采用基于区域系数绝对值和权重的融合策略进行融合；2.2）对高频细节图像各个方向子带，采用基于子带标准差和概率密度函数权重的融合规则进行融合：a）构建高频子带系数的隐马尔科夫树HMT模型，利用HMT模型训练各子带系数，得到每个子带的标准差和概率密度函数；b）采用基于子带标准差和概率密度函数权重的融合规则确定融合图像的各个高频子带系数；3）对步骤2）融合后的低频近似图像和高频细节图像分解的各个方向子带，利用逆平移剪切波变换得到融合图像。

【技术特征摘要】
1.基于平移不变剪切波变换的多模态医学图像融合方法，其特征在于包括以下步骤 1)准备待融合的两幅多模态医学图像，利用平移不变剪切波变换分别将两幅图像都分解为低频近似图像和高频细节图像，再将高频细节图像分解为不同的方向子带； 2)分别融合两幅图像的低频近似图像和高频细节图像分解的各个方向子带 2.1)对低频近似图像，采用基于区域系数绝对值和权重的融合策略进行融合； 2.2)对高频细节图像各个方向子带，采用基于子带标准差和概率密度函数权重的融合规则进行融合 a)构建高频子带系数的隐马尔科夫树HMT模型，利用HMT模型训练各子带系数，得到每个子带的标准差和概率密度函数； b)采用基于子带标准差和概率密度函数权重的融合规则确定融合图像的各个高频子带系数； 3)对步骤2)融合后的低频近似图像和高频细节图像分解的各个方向子带，利用逆平移剪切波变换得到融合图像。2.根据权利要求1所述的基于平移不变剪切波变换的多模态医学图像融合方法，其特征在于所述待融合的两幅多模态医学图像若为彩色图像，在步骤I)对图像分解之前，先进行IHS变换，获得图像的Intensity分量，再对Intensity分量利用平移不变剪切波变换进行分解；在步骤3)中利用逆平移剪切波变换先得到Intensity分量，再进行逆IHS变换得到融合的彩色图像。3.根据权利要求1或2所述的基于平移不变剪切波变换的多模态医学图像融合方法，其特征在于所述步骤I)所述利用平移不变剪切波变换分解图像，具体如下 1.1)利用非下采样金字塔策略将其中一幅多模态医学图像分解成为低频近似图像fJ+1和高频细节图像g#1...

【专利技术属性】
技术研发人员：李彬，王雷，田联房，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：