[发明专利]一种实时的多模态医学图像融合方法

权利要求书

1.一种实时的多模态医学图像融合方法，其特征在于，该方法包括：

对已配准的若干幅医学源图像进行拉普拉斯金字塔分解得到每一幅源图像对应的低频和高频分量；

基于稀疏表示的方法对所有源图像的低频分量进行融合处理，基于系数绝对值的方式对所有源图像的高频分量进行融合处理；

将融合后的低频分量与高频分量进行拉普拉斯金字塔重建得到多模态医学融合图像；

所述基于稀疏表示的方法对所有源图像的低频分量进行融合处理包括：

设对源图像I_A和I_B的低频分量L_A和L_B进行融合，则首先采用滑窗技术从低频分量L_A和L_B中提取重叠的图像块；具体的：对于低频分量L_A和L_B，均从左上角到右下角移动一个大小为的滑窗，其中，为字典D中原子的尺寸；取出相应位置的图像块保存，再移动滑窗，每次移动的步长为s个像素，直至提取完毕；若源图像I_A和I_B的大小为H×W，则每一源图像的低频分量中提取的图像块个数T表示为：

其中，符号表示向上取整；

设和分别表示从低频分量L_A和L_B中取出的图像块；

将低频分量L_A和L_B中第i个位置的图像块和分别展开成列向量和再归一化使其所有元素的均值为0，处理过程表示为：

${\hat{v}}_x^i=v_x^i-{\stackrel{\‾}{v}}_x^i\·1;$

其中，1表示一个所有元素均为1的n×1向量，和分别是和的均值；

利用字典D分别对和进行稀疏分解，得到稀疏表示系数和处理过程表示为：

$\begin{array}{ccc}{\mathrm{\α}}_A^i=\arg \underset{\mathrm{\α}}{\min }\left|\right|\mathrm{\α}|{|}_0& s.t.& \left|\right|{\hat{v}}_A^i-D\mathrm{\α}|{|}_2\<\mathrm{\ϵ}\end{array};$

$\begin{array}{ccc}{\mathrm{\α}}_B^i=\arg \underset{\mathrm{\α}}{\min }\left|\right|\mathrm{\α}|{|}_0& s.t.& \left|\right|{\hat{v}}_B^i-D\mathrm{\α}|{|}_2\<\mathrm{\ϵ}\end{array};$

其中，ε表示稀疏重构的允许误差，||·||₀为向量的零范数；

采用比较L1范数的方式对和进行融合，得到融合后的稀疏系数：

${\mathrm{\α}}_F^i=\left\{\begin{array}{cc}{\mathrm{\α}}_A^i& \begin{array}{cc}if& \left|\right|{\mathrm{\α}}_A^i|{|}_1\>|\left|{\mathrm{\α}}_B^i\right|{|}_1\end{array}\\ {\mathrm{\α}}_B^i& otherwise\end{array}\right.;$

从而获得低频分量L_A和L_B中第i个位置图像块列向量的融合结果：

$v_F^i={\mathrm{D\α}}_F^i+{\stackrel{\‾}{v}}_F^i\·1;$

其中，表示融合向量的均值；

对低频分量L_A和L_B中所有位置的图像块的列向量进行融合，获得融合向量

建立一个大小为H×W的空图像L_F，对每一个融合结果将其变形为大小的图像块，再放入空图像L_F的相应位置，从而完成所有源图像低频分量的融合。