收稿日期:20111012;修回日期:20111124 基金项目:江西省自然科学基金资助项目(2010GZS0025);江西省科技支撑计划项目
(
2008J212)
作者简介:曹义亲(1964),男,江西都昌人,教授,硕士,主要研究方向为图像处理、模式识别(yqcao@ecjtu.jx.cn);雷章明(1986),男,四川大
竹人,硕士研究生,主要研究方向为图像处理、模式识别;黄晓生(1972),男,江西于都人,副教授,博士,主要研究方向为图像处理.
基于区域的非下采样形态小波
医学图像融合算法
曹义亲
a
,雷章明
a
,黄晓生
b
(华东交通大学 a.软件学院;b.信息工程学院,南昌 330013)
摘 要:提出了基于区域的非下采样形态小波医学图像融合算法。该算法首先将待融合的图像进行非下采样
形态 Haar小波分解成高频子带和低频子带,对低频子带图像直接按绝对值最大的规则进行融合,对各高频子带
图像则先进行区域分割,对分割的区域根据其活跃度指数进行匹配,再对相匹配的区域按能量最大规则进行融
合;最后根据融合后的低频子带及高频子带进行融合图像重构。实验结果表明,该算法在保持移不变形态小波
融合方法优点的基础上,增强了融合图像的细节及亮度信息,同时有效地克服了对噪声和非精确配准敏感等缺
点。
关键词:非下采样;形态小波变换;图像融合
中图分类号:TP391.41 文献标志码:A 文章编号:10013695(2012)06237903
doi:10.3969/j.issn.10013695.2012.06.101
Regionbasedalgorithmfornonsamplingmorphological
waveletmedicalimagefusion
CAOYiqin
a
,LEIZhangming
a
,HUANGXiaosheng
b
(a.SchoolofSoftware,b.SchoolofInformationEngineering,EastChinaJiaotongUniversity,Nanchang330013,China)
Abstract:Thispaperproposedaregionbasednondownsamplingmorphologicalwaveletmedicalimagefusionalgorithm,and
appliedthenondownsamplingmorphologicalHaarwaveletdecompositionwhichwouldresultintheseparationofhighfrequen
cysubbandandlowfrequencysubbandtobefusedimage.Forlowfrequencysubband
,theimagefusedbymeansoftheab
solutemaximumdirectly.Whileforthehighsubband,theimageshouldbepartitionedintoregionswhichweretobeusedto
matchaccordingtotheactivityindexofeachother,andthenthematchedregionswouldbefusedundertheruleofenergymax
imum.Finally
,thereconstructionofthefusedimagewouldbeperformedintermsofthehighandlowfrequencysubband.As
aresultofthisexperiment,integratingtheadvantageofthemorphologicalwaveletfusionwhichkepttheshiftinvariant,theal
gorithmenhancesthedetailsaswellastheintensityofthefusedimageandovercomestheshortagessuchasthesensibilityto
noiseandthenonprecisionalignment.
Keywords:nondownsampling;morphologicalwavelettransform;imagefusion
!
引言
医学图像融合是将两幅或多幅医学图像进行综合以获得
更准确、更全面的医学信息的过程。近年来,医学影像技术的
发展为临床诊断提供了传统医学手段无法获得的多模态医学
图像。但是,不同模态的医学影像由于其成像原理不同,它们
反映人体脏器和病变组织的信息也各不相同,如
CT能清晰地
表达人体骨骼信息,而 MRI能清晰地表达软组织信息。因此,
有效地融合不同模态的医学图像以最大限度地挖掘影像信息,
对提高影像诊断的准确性和临床治疗水平具有重要意义,医学
图像融合也一直是医学图像处理领域中的一个研究热点
[1]
。
对于图像融合,通常分为像素级融合、特征级融合和决策
级融合三类。目前,国内外研究大多集中在像素级融合算法
上,已有算法如加权平均融合
[2]
、金字塔融合
[3]
等,随着小波
技术的发展,基于小波分解的图像融合成了研究热点,也取得
了很好的融合效果
[4~8]
。但小波变换作为一个线性变换,小波
分解的空间是线性空间,因此,小波分析对于信号或图像的非
线性特征,如形状、大小、色调、纹理、阴影的描述却受到限制。
形态小波(
morphologicalwavelets)
[6]
作为小波理论非线性扩展
研究的一个方向,是基于数学形态学的非线性特征及其在图像
的形状形态分解上的可完全重构和无冗余的描述方法,它的应
用正不断受到人们的重视
[9~11]
。在图像融合领域,De等人
[12]
提出了一种基于形态小波分解的多聚焦图像融合算法,针对形
态小波存在移变性的缺点,Yang等人
[13]
又提出了基于移不变
的非下采样形态小波的医学图像融合算法。与传统的基于线
性小波融合算法相比,基于形态小波分解的融合算法具有良好
的细节保留和抗噪声性能,同时具有计算简单快速的优点,但
它们作为一种像素级融合方法,其操作主要仍是针对图像多分
第 29卷第 6期
2012年 6月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol.29No.6
Jun.2012
评论0
最新资源