基于NSCT的多模态医学图像融合算法的研究

基于NSCT的多模态医学图像融合算法的研究

徐磊;曹艳

【摘要】目的提出一种新颖的非下采样轮廓波变换算法,并将其用于多模态医学图像融合领域.方法第一步,采用非下采样轮廓波变换将源图像分解为高频和低频子图像;第二步,低频部分采用区域均值取大融合规则,能保留图像的绝大部分信息,获得更高的对比度和清晰度,高频图像采用取大区域方差取大融合原则,能有效地突出图像细节信息;第三步,采用非下采样轮廓波逆变换将融合子图像进行重构运算,获得最终的融合图像.结果 6组医学图像融合实验表明,基于本文提出算法获得的融合图像质量最佳,且定量评价指标熵、平均值、标准差、边缘强度分别较其他算法提升

0~40%、3%~42%、1%~42%和0.4%~48%.结论基于本文提出的算法融合效果优越,具有较高普适性和实用性,是一种可行的、有效的医学图像融合算

法.%Objective In this paper, a novel method for the fusion of multimodal medical images is proposed based on non-subsampled contourlet transform (NSCT). Methods Firstly, the source medical images were initially transformed by NSCT followed by fusing low and high frequency sub-bands. Secondly, the low frequency components of NSCT were fused by the maximum local mean scheme and high frequency components were fused by the maximum local variance scheme. Thirdly, the use of variance enhanced the fusion scheme by preserving the edges in the images. These combinations significantly preserved more details in the source images and improved the quality of the fused images. Finally, the fused image was reconstructed by inverse non-subsampled contourlet transform. Results The efficiency of the suggested technique was carried out by fusion

experiments on 6 different multimodality medical image pairs, visually and quantitatively experimental results indicated that the percentage improvement in entropy, mean, standard deviation and edge strength in proposed method were 0~40%, 3%~42%, 1%~42%, and

0.4%~48%compared to conventional methods for 6 pairs of medical images. Conclusion The proposed method can obtain more efficient and accurate fusion results. It can provide better robustness, superiority and become a feasible image fusion algorithm.

【期刊名称】《中国医疗设备》

【年(卷),期】2017(032)012

【总页数】5页(P63-67)

【关键词】非下采样轮廓波变换;多模态图像融合;融合规则;医学影像

【作者】徐磊;曹艳

【作者单位】南京医科大学附属南京医院(南京市第一医院) 核医学科,江苏南京210006;南京医科大学附属南京医院(南京市第一医院) 核医学科,江苏南京210006

【正文语种】中文

【中图分类】TP391

随着医学影像设备学、计算机技术和生物医学工程的迅速发展，医学影像设备提供了多种模态的医学图像[1]。由于各模态影像设备成像原理不同，单一模态医学图像包含的信息有限，且不同模态图像之间存在互补和冗余，其中MRI、CT、USG

和MRA能提供高分辨率的解剖图像，而PET、SPECT和fMRI提供低分辨率的功能图像。怎样将解剖与功能成像结合在一起以便获得对同一目标更有用、更精确的信息，多模态医学图像融合技术是目前唯一一种能将多种图像的相关互补信息结合在一幅图像上的方法，被广泛应用于临床诊断、外科手术、放疗等方面[2]。

多年来国内外在图像融合领域的研究成果表明[3-4]，图像融合技术可分为3类：

像素级融合、特征级融合和决策级融合。由于像素级融合直接作用于图像像素空间，容易实施，运算效率高，且能提供更丰富可靠的信息，是目前最常用的融合算法。最简单的像素级融合算法是像素灰度平均法[5]，此法直接在图像像素空间上进行

融合，融合图像对比度较差；主成分分析法（PCA）、独立成分分析法（ICA）、IHS变换法等方法的融合性能有所提升，但均存在光谱退化的不足[6]；高斯金字塔、拉普拉斯金字塔、形态学金字塔等方法的融合效果受块效应影响较大[7]；离

散小波变换近阶段开始兴起，但融合过程容易产生奇异点，且捕捉各方向信息的能力有限[8]；轮廓波变换能给出图像轮廓的渐近最优表示，但上下采用轮廓波变换

具有移变性，且容易产生伪吉布斯现象[9]；非下采样轮廓波变换（Non-Sampled Contourlet Transform，NSCT）继承了轮廓波变换的优势[10]，具有移不变性和冗余性，能有效地抑制伪吉布斯现象，使得NSCT方法成为一种高效可行的图像

融合算法。

本文主要研究像素级水平上的图像融合，方法是基于非下采样轮廓波变换的改进算法，构建了低频区域均值取大、高频区域方差取大相结合的融合规则，并对融合图像进行一致性检验。

NSCT早由Cunha提出，是一种基于轮廓波变换的理论，在几何变换和图像处理

方面均取得很好的效果[11]。由于在拉普拉斯金字塔和方向滤波器组中使用上采样和下采样，轮廓波变换不可避免带有移变性，然而非下采样轮廓波变换具有移不变、多尺度和多方向等性质，主要由非下采样金字塔滤波器组（Non-Subsampled