[发明专利]一种基于最优传输理论的多模态医学图像融合方法

权利要求书

1.一种基于最优传输理论的多模态医学图像融合方法，其特征在于：

该方法包含如下步骤：

S1：输入两张待融合的不同模态医学图像；

S2：对源图像进行取反，对取反后的源图像进行归一化操作；

使用255作为取反参数进行图像取反处理：

p′_k＝255-p_k

其中，p_k(k＝1,2)表示输入源图像，p′_k表示取反处理后的图像；

具体为：将输入源图像分为三个通道，分别对三个通道进行取反处理：

其中，分别表示输入源图像取反后的三个通道值；

对取反后的图像进行归一化处理，即将图像像素值转换为像素值的概率分布，满足：每一个概率分布值的范围为0～1，且概率分布值的总和为1；

S3：计算归一化操作之后源图像之间的最优传输质心；

最优传输质心根据最优传输理论来求解两张图像之间的最优传输计划和最优传输距离，使用传输距离来度量两张图像之间的距离：

其中，为N维向量空间中的包含两个元素p′₁,p′₂的单纯形，为在N×N维向量空间中的最优传输计划，C为两张图像之间的代价矩阵，γ为熵约束参数，E(Τ)＝-∑_i,jΤ_i,jlogΤ_i,j为传输计划Τ的熵，Τ_i,j表示所述传输计划Τ中的第i行第j列元素；

S31：将图像融合问题转化为质心求解问题，将图像看作是概率空间中的两个点：

其中，为在中的单纯形，M为输入图像数量，p′_k和λ_k分别表示第k个输入图像和相对应的质心权重参数，p为输入图像之间的质心，λ_k为质心权重参数，满足，∑_kλ_k＝1；

S32：将质心求解问题转化为使用最优传输计划的集合问题，进行求解：

其中，KL_λ(Τ|ξ)表示最优传输计划Τ和卷积核ξ之间的KL散度，T_k和ξ_k表示第k个输入图像p′_k同质心p之间的最优传输计划和所对应的卷积核，为最优传输计划Τ的约束集；

S33：对传输计划集合进行约束，两个约束条件满足：

其中，(T_k)_k表示传输计划，为传输计划T_k的转置；

使用Bregman迭代方法求解传输计划，满足：

其中，表示第次迭代得到的传输计划，表示第次迭代得到的两个缩放向量，可初始化为

两个缩放向量的更新满足：

其中，表示第次迭代得到的当前质心，为第次迭代得到的缩放向量，当前迭代质心通过几何方法替代进行求解，满足，S4：根据最优传输质心进行图像取反，重构结果融合图像。

2.根据权利要求1所述的一种基于最优传输理论的多模态医学图像融合方法，其特征在于：步骤S4具体为：对输入图像的RGB三通道分别通过多次迭代后，进行组合，还原为最终的融合图像：

F′＝255-p

其中，F′表示融合图像。