王昌　劉艷　張文超

【摘 要】本文針對多模態(tài)的CT、MRI圖像的融合，利用Contourlet變換多尺度、多方向的特性，提出了系數(shù)加權(quán)的融合算法。對于低頻子帶，采用局部信息均值和方差來進(jìn)行系數(shù)加權(quán)；對于高頻子帶，采用條件加權(quán)。將本算法應(yīng)用于不同模態(tài)的醫(yī)學(xué)圖像的融合，有效增加多模態(tài)醫(yī)學(xué)圖像的互補信息，提高融合的清晰度。

【關(guān)鍵詞】多模態(tài)；醫(yī)學(xué)圖像；Contourlet 變換；圖像融合

【Abstract】In order to solve the problem of multi-modality image fusion， an image fusion algorithm based on Contourlet transform was proposed in this paper， using the multi scale and direction characteristics of Contourlet transformation. For low frequency sub bands， the mean and variance of the local information is used to carry on the weighted coefficients； for the high frequency sub bands， the conditional weighted is used. This algorithm is applied to the fusion of medical images of different modalities， and the complementary information of multi modality medical images can be effectively improved.

【Key words】Multi-modality； Medical image； Contourlet transformation； Image fusion

0 引言

隨著醫(yī)學(xué)診斷類影像設(shè)備快速發(fā)展，多模態(tài)影像圖像不斷呈現(xiàn)。單模態(tài)的影像圖像不能提供足夠信息，將不同模態(tài)的醫(yī)學(xué)圖像進(jìn)行圖像融合，提供豐富的診斷信息是當(dāng)前研究的熱點和方向。國外學(xué)者對多模態(tài)圖像融合技術(shù)也作了相關(guān)研究，如基于Contourlet變換、基于視覺、基于離散小波變換等的圖像融合方法。

目前圖像融合技術(shù)可分為兩類[1]：空間域融合與多分辨頻率域融合。Contourlet變換是一種多分辨、局域的、多方向的圖像表示方法，是一種二維圖像的稀疏表示方式，具有良好的方向性和各向異性特征，能更好地將圖像中的邊緣輪廓信息捕捉到不同尺度、不同方向的子帶中，被有效地應(yīng)用在圖像融合領(lǐng)域[2-3]，本文通過對圖像融合技術(shù)與Contourlet變換的研究，提出了一種基于Contourlet變換的CT、MRI醫(yī)學(xué)圖像區(qū)域方差加權(quán)和條件加權(quán)融合算法。

1 方法

圖像融合的前提是兩幅圖像已經(jīng)進(jìn)行了較好地配準(zhǔn)，本文利用梯度與互信息結(jié)合的相似性準(zhǔn)則進(jìn)行了醫(yī)學(xué)圖像配準(zhǔn)。

Contourlet變換實現(xiàn)結(jié)構(gòu)由拉普拉斯金字塔（LP）和方向濾波器組（DFB）組成，該變換是將多尺度分析與方向分析分別進(jìn)行。用類似于輪廓段的基結(jié)構(gòu)來逼近圖像，采用的基結(jié)構(gòu)是隨尺度變化長寬比的條形結(jié)構(gòu)，具有方向性和各向異性，能夠?qū)D像的線和面有更稀疏的表示。

融合規(guī)則：低頻子帶融合規(guī)則：對低頻子帶系數(shù)的融合規(guī)則采用區(qū)域方差加權(quán)分析法。該方法能夠保留圖像的敏感信息，因為圖像的信息越大，方差越大，算法中的加權(quán)系數(shù)更好地提取了敏感信息，采用此算法進(jìn)行圖像融合將會比平均算法取得更好的融合效果。

經(jīng)過Contourlet變換后的高頻子帶系數(shù)包含了圖像中有用的細(xì)節(jié)信息，包括邊緣、區(qū)域輪廓等。頻子帶系數(shù)的分布呈現(xiàn)方向特性，含了很多圖像中的細(xì)節(jié)信息。對高頻子帶系數(shù)進(jìn)行融合的最終目的就是在融合圖像中盡可能保留源圖像的清晰細(xì)節(jié)進(jìn)行圖像表示，以更多保留圖像有用信息。因此，采用基于主圖像的條件加權(quán)分析法進(jìn)行高頻子帶系數(shù)融合。

2 實驗結(jié)果

利用Contourlet變換可以得到MRI圖像的分解示意圖。第二層選擇k=2，得到4個方向的梯度信息；第三層選擇k=3，得到8個方向的梯度信息。

利用本文的融合策略對已配準(zhǔn)好的CT、MRI圖像進(jìn)行融合，融合的結(jié)果如圖3（c）所示，利用平均值的策略進(jìn)行融合的效果如圖3（d）所示。

3 結(jié)果

本文將Contourlet變換用于CT、MRI醫(yī)學(xué)圖像融合，提出了基于Contourlet變換的區(qū)域信息的融合算法。將該算法用于CT、MRI圖像的融合實驗，通過主觀視覺效果進(jìn)行評價，并與傳統(tǒng)融合算法進(jìn)行比較，結(jié)果表明該算法能夠有效地融合多源醫(yī)學(xué)圖像信息。

【參考文獻(xiàn)】

[1]郭雷，李暉暉，鮑永生.圖像融合[M].北京：電子工業(yè)出版社，2008：183-248.

[2]徐蘇.基于Contourlet的醫(yī)學(xué)圖像融合技術(shù)探討[J].中國醫(yī)學(xué)影像技術(shù)，2011，27（11）：2326，2330.

[3]王昕，李瑋琳，劉富.小波域CT、MRI醫(yī)學(xué)圖像融合新方法[J].吉林大學(xué)學(xué)報：工學(xué)版，2013，43（s1）：25-28.

[4]Bhatnagar G，Raman B.A new image fusion technique based on directive contrast[J].Electronic Letter on Computer Vision and Image Analysis，2009，8（2）：18-38.

[責(zé)任編輯：湯靜]