[发明专利]一种实时的多模态医学图像融合方法

说明书

技术领域

本发明涉及医学图像处理领域，尤其涉及一种实时的多模态医学图像融合方法。

背景技术

随着生物医学工程和计算机科学技术的快速发展，CT(计算机X线断层扫描)、MRI(核磁共振成像)、PET(正电子发射断层成像)、SPECT(单光子发射计算机断层成像)等不同模态的医学影像已经广泛应用于临床诊断中。但是，在临床应用中，单一模态的医学图像往往不能为医生提供全面的医学信息。例如，CT图像具有高的空间分辨率，可以清晰地定位刚性的骨骼和移植物体，但对软组织的成像对比度较低，无法清晰地显示病灶本身；而MRI图像对软组织、血管、器官等解剖结构可以提供高对比度的成像，但是空间分辨率往往低于CT图像，缺乏刚性的骨骼结构作为病灶的定位参照。

临床上，为方便医生做出准确的诊断进而制定出合适的治疗方案，不同模态图像所包含的互补信息往往希望被综合在一起而生成一幅单一的合成图像。多模态医学图像融合技术为解决上述问题提供了一种有效的途径，它是指综合多种医学成像技术的优势，提取不同模态医学图像的互补信息，生成一幅比任何单一模态图像包含更多有效医学信息的合成图像，以方便对疾病的诊断和治疗。近年来，随着图像融合技术的快速发展，科研人员提出了各种各样的医学图像融合算法。不过，目前医学图像融合仍然主要处于学术界的研究阶段，尚没有广泛应用于临床实践中，其中一个主要原因是缺乏同时能满足简单、有效、快速等特点的方法，无法满足临床应用的需求。因此，研发出具有以上优秀特性(简单、有效和快速)的医学图像融合方法对于现代医学临床诊断具有十分重要的意义。

目前，多尺度变换理论在图像融合研究中得到了非常广泛的应用，数以百计的基于金字塔、小波变换以及多尺度几何变换的图像融合方法在近三十年的时间里先后被国内外学者提出，有力地推动了图像融合领域的发展。基于多尺度变换的融合方法一般包含以下三个步骤：首先，将两幅或多幅输入图像(源图像)进行多尺度分解，得到相应的低频分量和高频分量；然后，在低频域和高频域分别设计融合规则，计算得到融合系数；最后，对融合系数进行多尺度重构(逆变换)得到输出图像(融合图像)。传统上，低频域往往采用直接取平均的融合规则，而高频域采用系数取极大值的方式进行融合。但是，基于多尺度变换的方法用于医学图像融合有一个不可忽视的缺点。对于不同的医学成像技术，其关注的身体结构、组织、器官不同，得到的图像在同一区域亮度上往往有很大的差异，如果直接采用取平均的方式进行低频融合，由于图像的绝大部分能量保存在低频域中，将会导致融合图像对比度的降低，影响融合结果的质量。

稀疏表示理论是由自然信号的统计特性提出，并且符合人类视觉系统的处理机制，它的基本假设是一个信号可以由一个原子库(字典)中少数几个原子线性表示。稀疏表示理论及应用是近年来信号处理领域的一个研究热点，已经在多种图像处理问题中得到了成功的应用。2010年，稀疏表示理论被应用到图像融合领域，可参考文献：B.Yang and S.Li,“Multifocus image fusion and restoration with sparse representation”,IEEE Transactions on Instrumentation and Measurement,Vol.59,No.4,pp.884-892,2010。在融合相同类型传感器采集到的图像时，这种直接在空域对图像进行分块稀疏表示的方法一般可以取得很好的效果，但是当输入是不同模态的图像时，考虑到噪声等因素的影响，这种方法容易在融合图像中引入空间不连续性，降低融合质量。同时，有研究表明用于稀疏表示的字典不能包含太多的原子，否则会导致结果不稳定，可参考文献：M.Elad and I.Yavneh,“A plurality of sparse representations is better than the sparsest one alone”,IEEE Transactions on Information Theory,Vol.55,No.10,pp.4701-4714,2009，但原子个数不足又会限制字典的表达能力，使稀疏重建产生误差，进而导致融合图像中的一些细节被模糊。

发明内容

本发明的目的是提供一种实时的多模态医学图像融合方法，可以实时有效地实现多模态医学图像的融合。

本发明的目的是通过以下技术方案实现的：

一种实时的多模态医学图像融合方法，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；