基于多小波变换的医学图像融合算法

合集下载

基于小波变换的医学图像特征点互信息配准

关键词：医学图像配准；小波变换；特征点互信息；粒子群算法
１前言
医学图像配准是医学图像处理领域中的一项重要技术，对临床诊断和治疗起着越来越重要的作用。尽管医学图像配准研究已经开展多年，但是目前的主要方法仍然存在不足，需进一步改进，才能使其更好地应用于临床。医学图像配准是指对于一幅医学图像寻求一种（一系列）或空间变换，使它与另外一幅医学图像上的对应点达到空间上的致。目前提出的图像配准算法大多可分为基于灰度的配准方法和基于特征的配准方法，方法各有利弊。于图像像素ｆ两类基体素）相似性的配准具有较高的精度，但这种方法计算量过大，配准速度较慢，而配准时间过长在临床上是不能被接受的。基于图像特征的配准，通过特征提取，把待处理的图像数据减少为少量的相似性特征点、线或面，配准速度快，缺点主要在于图像特征提取过程复杂，图像配准精度受图像特征提取精度的影响。如何有效融合两类方法，将图像边缘信息结合到互信息量当中，保证精度并兼顾速度，为近年来医学图像配准领域的热成点之一。１９９９年Ｒｎａａｎ等对待配准的两幅图像提取出形状ａｇｒｊａ特征点的集合，然后利用互信息法来进行配准。在特征点提取中，文献中采用Ｃｎｙ边缘检测算法得到图像的边缘，然后作ａｎ聚类分析得到形状特征点。这一方法的应用存在局限性，尤其对ＭＲ图像。ＭＲ图像的特点在于能够较好地分辨出头部软组ＩＩ织，图像内部包含较多细节。经边缘提取得到的边缘线较密集，因而聚类得到的特征点分布随机性较强。互信息的计算易受这种随机性的干扰，响最终配准精度。０２年周永新、影２０罗述谦等对该法进行了一定的简化和修正，引入人机交互，短了优化过缩程，避免了局部极值。本文在对小波变换进行研究的基础上，提出了一种基于小波多尺度积特征点互信息的配准新方法。多尺度小波系数由于其相关性在去噪中得到应用，本文利用小波多尺度积来最大限度的抑制噪声，到准确的图像边缘及特征点，图像的特征信得将息与互信息结合起来，它只需针对提取出来的特征点进行计算，计算量大大减少。实验证明，方法避免了人机交互过程，准该能确地实现多模态医学图像的配准，并具有较快的配准速度。２小波变换多尺度积提取图像特征点传统的几种边缘检测算子在抗噪性和边缘定位等方面往往不尽如人意，主要是边缘和噪声都是高频信号，难在噪声和这很边缘中取舍。小波变换可以从能量方面来区分边缘和噪声，而使得小波变换在抗噪和边缘定位方面有独特的优势。１８９５年，ｌｔ析了由Ｃｏｉ，ｓｂｎ和Ｇｌｄ提出的Ｍａａ分ｌｒｓｒＥｔａｉｅｅａｎａ用于数字电话的正交镜像滤波器（ｕｄａｒｉｏｉｒＱａｒｔｅＭｒｒＦｌ，ｕｒｔｅＱ）由Ｂｆ和Ａｅｏ出的用于数字图像处理的金字塔算ＭＦ，ｕｄｌｎ提ｓ

医学影像诊断中的数据融合方法使用教程

医学影像诊断中的数据融合方法使用教程导语：随着医学影像技术的发展和进步，医学影像诊断在临床实践中扮演着重要的角色。

然而，由于医学影像技术的限制和局限性，单一的影像无法提供全面准确的诊断信息。

为解决这一问题，数据融合方法在医学影像诊断中被广泛应用。

本文将介绍医学影像诊断中常用的数据融合方法及其使用教程。

一、数据融合方法的概述数据融合是指将来自不同来源或不同模态的数据进行整合和组合，以增加信息量、提高准确性和可靠性的一种技术方法。

在医学影像诊断中，数据融合方法可以将先进的图像处理技术与不同类型的医学影像进行结合，从而实现更准确、全面的诊断结果。

常见的数据融合方法包括以下几种：1. 图像融合（Image Fusion）：将来自不同模态的医学影像进行融合，生成一幅包含多种信息的合成影像。

常用的图像融合方法包括像素级融合、特征级融合和决策级融合。

2. 数据融合（Data Fusion）：将来自不同来源的医学影像和其他临床数据进行融合，以获取全面的信息。

数据融合可以包括文本数据、数字数据和图形数据等。

3. 强化学习融合（Reinforcement Learning Fusion）：使用增强学习算法对医学影像进行学习和融合，以获取更准确的诊断结果。

二、图像融合方法的使用教程图像融合是医学影像诊断中常用的数据融合方法之一，下面将介绍图像融合方法的使用教程。

1. 确定融合需求：首先需要确定何种类型的医学影像需要进行融合，例如CT和MRI影像的融合。

根据具体的融合需求，选择合适的图像融合方法。

2. 数据预处理：对需要融合的医学影像进行预处理，包括图像对齐、质量校正和噪声去除等。

确保原始数据的准确性和一致性。

3. 图像融合方法选择：根据融合需求，选择合适的图像融合方法。

常见的图像融合方法包括像素级融合、特征级融合和决策级融合。

根据实际应用场景，选择最适合的方法。

4. 图像融合算法实现：根据选择的融合方法，使用相应的算法实现图像融合。

基于快速整数提升小波变换的医学图像融合

Abstra ct: A im ed a t the cha racter ist ics of C T and M R I m ed ica l im ages, a new i m age fus ion a l2 go rithm ba sed on the fas t int lif ting w ave let t ransfo rm s is p roposed. Two o rigina l i m age s a re decom po sed by the fa st int lif t ing w avelet t ransform s. The fusion ru le based on the m ax i m um st andard deviat ion va lue va riance is used to fuse the h igh frequency sub2im age, w hile a w eight2 ed average fused rule is app lied by coefficien t s of the low f requency. F ina lly, the fus ion im age is recons truc ted fo r pe rform ing inve rse fa st int lift ing w avelet transform s. T he fus ion im age is eva luated by ent ropy, average gradient , and cor relat ion coeff icient s. Experim ental re su lt show s tha t the fus ion im age has m ore info rm at ion than or igina l im ages and im p roves the qua li2 ty of o rigina l im ages. M eanw hile , the fu sion im age p ro tect s det ail characterist ic s of the im age , thus the real2tim e p roce ss and im age qua lit ies a re w e ll t han that of the w avele t m ethods. Key wor ds: im age fus ion; fas t in t lift ing w avele t t ran sfo rm s; fu sion rule; m edical im age 供了相关脏器的不同信息; 比如计算机辅助断层扫描 (CT ) 和磁共振成像 ( M R I) 以较高的空间分辨率提供了脏器的解剖结构信息 , 而正电子发射断层成像术 ( PET ) 和单光子发射计算机断层成像术 (SP EC T) 尽管空间分辨率较差 , 但提供了脏器的功能代谢信息。显然, 多种成像设备可以提供更全面的信息 , 但这些信息也可能会相互矛盾, 如能将不同的医学图像信息有机地结合起来 , 将推动现代医学临床诊断的进步。近年来已提出了许多图像融合方法, 主要有加权平均法、对比度调制法、神经网络方 T oet 算法、

采用树状小波变换的医学图像融合方法及实现

ｉａｅｅｅｇｆｈａｅｈｌｏｉｍｉｓｕａｄｔｒｇｐｒｅｔｎｓｓｅａｅｎｏｊｃｖｇｓｎｃｉｒ．Ｅｐｒｅｔｍｇｎｒｙｏｅｉｇ．Ｔｅａｒｈｉｌｔｏｈｅｅｉｎａｄａｓｓｄｂｓｄｏｂｅｔｅｉｅｆｉｒｅａｘｅｉｎａｔｍｇｔｓｍｅｈｕｘｍｅｉｍａｕｏｔｉｍｌ
ｒｓｌｈｗｔａｈｒｅｓｃｕｅｗａｅｅｄｃｍｐｓｔｎｃｎａｈｅｅｂｔｒｆｓｏｕｃｍｅｔａｈｔｏｅｐｒｍｉａｅｅｄｃｍｐｓｉｎ，ｅｕｔｓｏｈｔｅｔｅ —ｔｔｒｖｌｔｅｏｏｉｏａｃｉｖｅｔｕｉｎｏｔｏｈｎｔａｆｔｙａｄｗｖｌｔｅｏｏｉｏｓｔｕｒｉｅｈｔ
ｃｉｒｎ，ｉｃｎｉｌｍｅｔａａｔｅｔｅｓｒｃｕｅｗａｅｅｅｏｏｉｏｎｉｇｎａｅｅｉｅｉｇｒｎｆｒａｃｒｉｇｔｈｕ — ｒｔｉｅｏｔａｍｐｅｎｄｐｉｒ —ｔｔｒｖｌｔｃｍｐｓｉｎｏｍａｅａｄｃｎｄｔｒｎｍａｅｔａｓｍｃｏｄｎｏｔｅｓｂｖｅｕｄｔｍｏ
朱霞
（淮阴工学院电子与电气工程学院江苏淮安２３０）２０３
摘
要
提出基于树状小波变换的医学图像融合方法，所提出的算法能够在一定的能量准则下对图像进行自适应树状小波分解，

医学超声影像中的图像融合应用

医学超声影像中的图像融合应用医学图像融合的过程可以分为两个步骤：图像在空间域的配准和融合图像的创建。

图像配准是图像融合的先决条件，图像配准精度的高低直接决定着融合结果的质量。

小波变换理论将医学超声谐波图像跟基波图像进行有机结合，完成了这一过渡性研究，从而可以得到更为清晰的医学超声影像。

小波变换理论主要是针对静态图像的，而对于实时超声动态图像的结合方法研究将是当前与未来一段时间的主要研究方向。

其主要问题在于动态图像的实时性，如何清晰显示该图像的每一刻动态是人们关注的重点，也是该技术发展的主要内容。

标签：医学超声影像；图像融合；应用前景1 引言数据融合（data fusion）是20世纪80年代逐渐形成与发展起来的数据自动化综合处理技术，其主要是依靠传感器对信息进行收集与整理，再通过计算机对收集的数据进行有效整理结合，从而以数字或者图像方法显示出来的一种技术。

图像融合（image fusion）是将数据与相关处理技术进行融合的一项技术，从目前图像融合处理方法来将，其主要是根据不同探测器收集的图像信息进行整理与合并，从而得到一幅完整的图片或者是相关场景。

图像融合技术的主要目的是通过对探测器收集的多幅图片中的冗余数据进行处理，从多幅图像中合并可靠性高的图像，从而提升呈现图像的可靠性与清晰度，对原始图像进行放大或者细致处理均可。

图像融合从数据处理方面可以说是数据融合的延伸与发展，或者是分支，在图像融合中应用到了数据融合的基础方法，同时也根据图像融合的特异性开发出了新的图像处理方法。

本研究中就采用小波变换方法来专门针对医学领域超声图像进行有机融合。

实验所用图像经过预处理（滤波，对准），图1为基波图像，图2为二次谐波图像。

2 小波变换理论下的图像融合医学图像融合的过程从图像融合过程来讲，可以分为2个主要步骤：①图像的配准；②图像的创建。

在2个步骤中，第一步骤是第二步骤的前提与基础，图像配准精度如何直接决定了整个图像融合质量的高低。

基于多小波分解的多光谱图像矢量融合

合在一起，使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性，该文将基于像素点和基
于区域的标量融合策略推广到矢量情形，提出一种新的、在多小波域中基于矢量融合的图像融合算法，充分利用多
小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明，与单小波
维普资讯
第２卷第４期９
２０年４月０７
电
子
与
信
息
学
报
Ｖｂ＿９．ｌＮｏ４２
Ｊｕｎｌｆｅｔｏｉｓ＆ＩｏｍａｉｎＴｃｎｌｇｏｒａｃｒｎｃｏＥｌｎｆｒｔｏｅｈｉｈｉｌｏｐｏｓｄｉｈｓｐｐｒｏｅｉｎａｇｒｔｍｓａｓｒｐｏｅｎｔｉａｅ．Ｔｈｅａｇｒｔｍｓｂｅｎｖｃｏｕｉｎｓｈｍｅｉｕｅｎｗｌｏｉｈｉａｄｏｅｔｒｆｓｏｃｅｎｓｍｕｔｗａｅｅｏｌｉｖｌｔｍａｎ，ｉｈｍａｅｕｃｅｔｕｅｏｈｏｒｌｔｏｍｏｇｔｅｃｍｐｎｎｓｏｌｉｖｌｔｔａｓｏｍｄｉｗｈｃｋｓｓｆｉｎｓｆｅｃｒｅａｉｎａｉｔｎｈｏｏｅｔｆｍｕｔｗａｅｅｒｎｆｒｃｅｃｅｔｖｃｏｓｔｍｐｏｅｆｓｎｑｌｙＴｈｒｇｎｌｌｏｉｈｉｃｒｉｄｏｔｗｉｈｅｏｆｉｎｅｔｒｏｉｒｖｕｉｕａｉｅｏｉｉａｇｒｔｍｓａｒｕｔｍｐａｅｎｔｅｎｖｌｙｏｉｏｔａｅｈｓｓｏｈｏｅｔｆｔｅｆｓｏｌｏｉｈａｄｔｅｄｍｏｓｒｔｏｙｕｓｎｅｌｈｉｎａｇｒｔｍｎｈｅｎｔａｉｎｂｉｇｒａｌｉｐｃｒｍａｅｃｍｐｒｄｗｉｈａｇｒｔｍｓｅｐｏｉｇｕｍｕｔｓｅｔａｉｇｏａｅｔｌｏｉｈｍｌｙｎｌ

基于小波变换的双色红外图像融合检测方法

（．ｃｏｌｏｎｏｍａｉｎａｄＭａｍａｃ，ｎｇｉｅｓｙＪｇｈｕ４４２，ｈｎ；２ＳｔＫｙＬｂｒｔｒｆＥｕａｏ１ＳｈｏｆＩｆｒｔｎ￣ｅｆｓＹａ￣ｅＵｎｖｒｉｉｚｏ３０３Ｃｉａ．ａｅｅａｏａｏｙｏｄｃｔｎｏｉｔｎｉ
ＭｉｉｔｙｆｒＩａｅＰｏｅｓｎｄＩｔｌｉｅｃｎｒｌｎｓｉｅｆｒＰｔｅｎＲｅｏｎｔｎａｄＡｒｉｃｌＩｔｌｉｅｃ，ｎｓｏｍｇｒｃｓｉｇａｎｅｌｇｎｅＣｏｔｏ，Ｉｔｕｔａｔｒｃｇｉｏｒｎｔｏｉｎｔａｅｌｎｉｆｎｇｅ
ｄｔｃｏｅｏｂｓｄｏｖｌｔｔａｓｏｍｓｐｅｅｔｄ．Ｌｏ — ｅｕｎｙａｄｈｇｆｅｕｎｙｉｆｒａｏｅｅｔｎｍｔｄａｅｎｗａｅｅｒｎｆｒｉｒｓｎｅｉｈｗｆｑｅｃｒｎｉｈ— ｑｅｃｎｏｒｍｔｎｉｒｘｃｅｒｍａｅｅｔａｔｄｆｏｏｉｉａｍｄｌｎ — ａｅｍａｅｕｉｇｗａｅｅｔａｓｏ．Ｔｈｎｆｓｄｉｇｓｒｅｒｒｇｎｌｉ／ｏｇｗｖｉｇｓｎｖｌｔｒｎｆｒｍｅｕｅｍａｅａｒｃｎｔｕｔｄｃｏｄｎｏｄｆｅｅｔｆｓｏｕｌｓｂｖｌｔｉｖｒｅｔａｓｏ．ＡｎｅｂａｋｒｕｎｍａｅｅｏｓｒｃｅａｃｒｇｔｉｆｒｎｉｎｒｅｙｗａｅｅｎｅｓｎｆｒｉｕｒｍｄｔｃｇｏｄｉｇｈａｓａｔｄｒｏｆｓｄｍａｅｒｅｅｍｅｔｄｙｄｐｔｅｈｅｈｌＴｅｉｎｌａｇｔｅｅｔｏｒｓｌｓｂｔｃｅｆｍｕｅｉｇａｓｇｎｅｂａａｉｔｒｓｏｄ．ｈｆａｔｒｅｄｔｃｎｅｕｔｒｖｉｉｏｔｉｅｈｅｅｐｒｍｅｔｌｒｓｌｈｂａｎｄ．Ｔｘｅｉｎａｅｕｔｓｏｗａｅｆｓｏｅｅｔｏｔｏｕｅｏｏｔｅｍｅｏｓｄｍｄ— ｓｈｔｔｔｉｎｄｔｃｎｍｅｄｓｐｒｒｔｔｄｕｅｈｕｉｈｉｈｈｉ

基于小波分解的多聚焦图像融合研究

基于小波分解的多聚焦图像融合研究作者：罗少鹏卢洵来源：《现代电子技术》2008年第06期摘要：研究基于小波分解的多聚焦图像融合算法，对源图像进行小波分解，采用不同融合规则构造融合图像的小波系数，最后逆小波变换重构融合图像，比较各种融合规则的特点，最后通过均方根误差，峰值信噪比、熵、互信息熵这些评价函数进行定量分析，结果表明，对于低频部分采用加权方法较好，对于高频部分采用方差对比法或能量对比法对高频部分的细节信息融洽效果较好。

关键词：小波变换；多聚焦；图像融合；图像处理中图分类号：O235，TP391 文献标识码：A文章编号：1004-373X(2008)06-072-03Different Focus Points Images Fusion Algorithm Based on Wavelet DecompositionLUO Shaopeng，LU Xun(College of Science，PLA University of Information Engineering，Zhengzhou，450001，China)Abstract：Different focus points images fusion algorithm based on wavelet decomposition is presented.The basic process is to perform a wavelet multi-scale decomposition of each source image，then the wavelet coefficients of the fused image are constructed according to different fusion rules，the fused image is obtained by taking inverse wavelet transform.With the use of parameters，the performance of the fusion scheme is evaluated and analyzed，the effective results are obtained.Keywords：wavelet transformation；different focus points；image fusion；image processing图像融合是对同一目标的多个图像进行配准、合成，以克服单一图像的局限性，使有关目标图像更趋完备，从而提高图像的可靠性和清晰度[1]。

双光融合算法

双光融合算法
双光融合算法是一种用于图像融合的算法，它可以将两幅不同波段的图像融合成一幅高质量的图像。

该算法的原理是将两幅图像分别进行小波变换，然后将它们的低频部分进行加权平均，高频部分则进行最大值选择。

最后再将两幅图像的低频部分和高频部分进行合并，得到一幅高质量的融合图像。

双光融合算法的优点在于它可以有效地保留图像的细节信息和色彩信息，同时还能够消除图像中的噪声和伪影。

这使得该算法在军事、医学、遥感等领域得到了广泛的应用。

在军事领域，双光融合算法可以用于夜视图像的增强和目标识别。

由于夜视图像的低分辨率和低对比度，往往难以识别目标。

但是通过使用双光融合算法，可以将红外图像和可见光图像进行融合，从而得到一幅高分辨率和高对比度的图像，使得目标更加清晰可见。

在医学领域，双光融合算法可以用于医学图像的融合和分析。

例如，将CT图像和MRI图像进行融合，可以得到一幅更加清晰的图像，从而更加准确地诊断疾病。

此外，双光融合算法还可以用于医学图像的分割和特征提取，从而帮助医生更好地理解疾病的发展过程。

在遥感领域，双光融合算法可以用于卫星图像的融合和分析。

例如，
将高分辨率的光学图像和低分辨率的雷达图像进行融合，可以得到一
幅高分辨率和高对比度的图像，从而更加准确地识别地面目标。

此外，双光融合算法还可以用于遥感图像的分类和监测，从而帮助农业、林业、城市规划等领域做出更加科学的决策。

总之，双光融合算法是一种非常有效的图像融合算法，它在多个领域
都有广泛的应用。

随着科技的不断发展，相信双光融合算法将会在更
多的领域得到应用，并为人们带来更多的便利和效益。

脑图像融合中小波包变换

收稿日期：２Ｏ１３－０３ — ０５
完善的重构能力，可以在分解过程中确保图像不存在信息损失和冗余。正是由于这些优点，小波
变换在医学图像融合中的应用已经得到了普遍重
视，相关研究文献层出不穷Ｌ６。］。小波包变换是基于小波变换的进一步发展，
ＧＵＯＹａｎｇ
（ＣｈｉｎａＭｏｂｉｌｅＧｒｏｕｐＪｉｌｉｎＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｃｈａｎｇｅｈｕｎ１３００６１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｗａｖｅｌｅｔｐａｃｋｅｔｔｒａｎｓｆｏｒｍｃａｎｏｖｅｒｃｏｍｅｔｈｅｄｅｆｅｃｔｓｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｉｎｄｅａｌｉｎｇｗｉｔｈ
能够提供比小波变换更高的分辨率。小波包分解
作者简介：郭
杨（１９７５一），女，蒙古族，内蒙古林西人，中国移动通信集团吉林有限公司工程师，硕士，主要从事网络和信息技术的
开发和管理方向研究，Ｅ — ｍａｉｌ：ｇｕｏｙａｎｇ＠ｊ１．ｃｈｉｎａｍｏｂห้องสมุดไป่ตู้ｉｌｅ．ｃｏｍ．
扰，进而有效去除干扰噪声。第三，小波变换具有

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

机断层（CT ）和磁共振成像（MRI）具有较好的解剖分辨率，但对于代谢与功能的评价存在不足，而发射体层成像（ECT ），如单光子发射体层成像 (SPECT) 与正电子发射体层成像（PET ）等成像设备以显示脏器或组织血流、代谢和功能为优势，但解剖分辨率相对较差。在实际临床应用中，单一模态影像往往不能提供医生所需要的足够信息，需要将不同模态的影像资料结合起来作为医学诊断的基础，才能做出更为快速和精确的诊断结果。研究不同模态图像的融合算法，将来自不同影像设备的图像通过计算机进行配准、融合等处理 ,已成为当今的研究热点 [2]。目前有多种多模态医学图像融合的方法 [3]。由于在变换域具有良好的分频特征，小波变换在很多领域
2011 年 5 月第 28 卷第 3 期
中国医学物理学杂志
- 2637 May．,2011
Vol．28． No．3
Chinese Journal of Medical Physics
基于多小波变换的医学图像融合算法研究
刘大鹏 1,2，卢虹冰 1，漆家学 1，吴巨海 2，苏毅 2 (1. 第四军医大学生物医学工程系，陕西西安 710032 ； 2. 解放军第 303
DOI 编码： doi：10.3969/j.issn.1005-202X.2011.03.018
中图分类号： TP391.4 文献标识码： A 文章编号： 1005-202X （2011 ）03-2637-07
Medical Image Fusion Algorithms Based on Multiwavelet Transform
- 2638 中国医学物理学杂志第 28 卷第 3 期
2011 年 5 月
ቤተ መጻሕፍቲ ባይዱ
得到了良好的运用，但是小波因本身不能同时满足对称性、正交性等的缺陷，存在应用上的局限性。多小波是小波理论的延伸，相比单小波（标量小波），它在图像处理方面具有某些独特的优势 [4]。多小波能够在保持小波优势的基础上同时拥有紧支撑性、正交性、对称性以及光滑性等良好的特性，而这些性质对于信号的处理都显得非常重要，因此，多小波在图像应用方面存在着非常大的潜力。本文在研究多小波变换的理论基础之上，提出了一种基于多小波变换的 PET/CT 影像融合算法。实验结果表明，融合图像通过结合源图像的信息，增加了更多的细节和纹理信息，从而得到了良好的融合效果。
前言
由于各种成像技术的成像原理与方法不同，医学图像可以分为解剖图像与功能图像两类 [1]。在疾病诊断中，不同的成像技术有着各自的优势与不足。计算
收稿日期：2011-03-01 作者简介：刘大鹏（1973- ），男，硕士研究生，高级工程师，主研：计算机图像处理与数据挖掘。 E-mail ：ldp191@ 。通讯作者：卢虹冰（1967- ），女，教授，第四军医大学生物医学工程系，主研：医学图像图形处理技术，E-mail ：luhb@ 。
Abstract:Obective: To present a medical image fusion algorithm based on multiwavelet transform. Methods: PET and CT images were decomposed using multiwavelet transform firstly. Then, we usd average gradient fusion in the low-frequency part and auto adapted weighted fusion in the high-frequency part.Finally, we could obtain the ater inverse transformation and postfiltering. Rusults: The fusion image combines information of the source images, adds more details and texture information, and achieves a good fusion result. Couclusions: Experimental results show that based on the proposed algorithm we can obtain the best result. Key words: multiwavelet transform; image fusion; algorithms.
医院，广西南宁 530021) 摘要：目的：研究一种基于多小波变换的医学影像融合的算法。方法：对已配准的 PET 图像和 CT 图像进行预滤波后进行多小波分解，对分解后的图像低频分量采用平均梯度法及高频分量采用自适应加权法的融合规则进行图像融合，经过多小波重构及后滤波得到融合图像。结果：融合图像通过结合源图像的信息，增加了更多的细节和纹理信息，从而得到了良好的融合效果。结论：实验证明，基于该算法，可以得到图像的最佳融合结果。关键词：多小波变换；图像融合；算法
LIU Da-peng1,2， LU Hong-bing1， QI Jia-xue1， WU Ju-hai2， SU Yi2 (1.Department of biomedical engineering, The forth military medical university, Xi ’an Shanxi 710032, China; 2.The 303rd Hospital of PLA, Nanning Guangxi 530021, China)