一种基于纹理区域划分的医学图像的融合方法技术

本发明专利技术公开了一种基于纹理区域划分的医学图像的融合方法，本发明专利技术针对现有融合技术存在的不足，针对CT和MR多模医学图像进行融合，以多特征信息为聚类方式利用K-meansClustering分割提取源图像的对应特征点，通过归类合并建立多模医学图像的特征点集合，根据特征点分布将图像划分为纹理区域和非纹理区域，纹理区域对应系数输入PCNN得到点火映射图，根据点火次数选择融合系数，非纹理区域的系数通过双通道PCNN进行融合。实验结果表明，该方法能够精确划分图像纹理区域，进而利用PCNN和双通道PCNN在图像不同区域系数选择各自的优势，融合图像纹理清晰，质量改善。

【技术实现步骤摘要】

本专利技术涉及一种图像处理
的方法，具体是一种基于多聚类中心和纹理区域划分的医学图像融合方法。
技术介绍
医学图像融合是图像融合领域的一个重要分支，也是目前研究的难点和热点。医学图像融合是将来源于多类医疗设备获取的对同一生理器官的不同类型图像数据(CT、MR和PET等图像)进行信息综合利用，融合后的图像比单一图像包含了更丰富的有用信息，为后续医生诊疗提供了便利，具有很强的应用价值。根据对图像处理方式的不同一般将图像融合可分为像素级、特征级和决策级3个层次。像素级图像融合应用最广，对像素的处理最直接，像素间的关联性在融合决策中考虑较少；特征级图像融合是利用数学统计量从图像中提取特征信息，并将其进行综合分析和处理的过程；决策级图像融合是在获得图像的特征信息的基础上进行进一步抽象，为下一步决策提供依据。医学图像对比度较低，噪声干扰严重，成像质量较差，这些特点影响了像素级融合方法在医学图像融合的应用，降低了融合图像质量。
技术实现思路
本专利技术需要解决的技术问题就在于克服现有技术的缺陷，提供，它相对于像素级融合，基于区域融合的特征级融合考虑了相邻像素之间的相关性，突出本文档来自技高网...

【技术保护点】
一种基于纹理区域划分的医学图像的融合方法，其特征在于，所述方法包括以下步骤：1）.?分别计算源图像的均值，标准差，熵，最大梯度值等信息，作为初始的聚类中心，使两幅图像聚类中心产生的依据与图像质量的客观评价指标一致；2）.?通过K?means?Clustering算法将两幅源图像分别以聚类中心进行聚类，得到特征空间向量；3）.?根据特征空间向量提取每幅图像的特征分布区域，比较两幅图像的对应区域，设定阈值T，提取两幅图像中系数均大于阈值的位置信息并据类此分割提取相应区域，定义为纹理区域；4）.?将纹理区域像素值输入PCNN神经网络得到各自的点火映射图，取两幅图像中点火次数较大的像素点作为融合图像的...

【技术特征摘要】
1.一种基于纹理区域划分的医学图像的融合方法，其特征在于，所述方法包括以下步骤: 1).分别计算源图像的均值，标准差，熵，最大梯度值等信息，作为初始的聚类中心，使两幅图像聚类中心产生的依据与图像质量的客观评价指标一致； 2).通过K-meansClustering算法将两幅源图像分别以聚类中心进行聚类,得到特征空间向量； 3).根据特征空间向...

【专利技术属性】
技术研发人员：张宝华，刘鹤，刘新，
申请(专利权)人：内蒙古科技大学，
类型：发明
国别省市：