[发明专利]基于泊松方程和互信息分解的多模态医学图像融合方法

权利要求书

1.一种基于泊松方程和互信息分解的多模态医学图像融合方法，其特征在于，包括以下步骤：

步骤1：输入两个已配准的功能代谢图和解剖结构图，分别令其为图像A和图像B；

步骤2：对处于RGB模式的彩色功能代谢图像A，令其RGB分量为(R_A,G_A,B_A)，然后按照下面的公式计算A的强度分量I_A以及相关参数V₁和V₂：

步骤3：令图像A的强度分量I_A为X，令处于灰度图模式的图像B为Y，计算X和Y的互信息I(x；Y)的分解结果I₂(x；Y)和I₃(x；Y)；

步骤4：根据X和Y互信息分解结果，构造泊松方程，求解泊松方程，得到X和Y的融合结果F，具体计算过程如下：

步骤4.1：按照下面的公式构造X和Y的特定信息映射图M_I2和M_I3：

M_I2(i,j)＝I₂(X(i,j)；Y)，

M_I3(i,j)＝I₃(X(i,j)；Y)；

步骤4.2：创建与X大小相同的掩码M_C，在M_C中将与X的待融合区域对应的位置设置为1，其他位置都设为0；

步骤4.3：令图像X和Y的融合结果为F，按照下面的公式对F进行初始化：

步骤4.4：计算图像X和Y的梯度场G_X和G_Y，然后按照下面的公式构造融合结果F的梯度场G_F：

步骤4.5：根据F的梯度场G_F，计算该梯度场的散度场，令其结果为ΔF，即

其中和分别表示G_F(i,j)的x分量和y分量；

步骤4.6：令M_C中取值为1的元素编号分别为(m_k,n_k)，k＝1,2,...K，根据前面的计算结果ΔF，构造如下以F(m_k,n_k)为未知数的泊松方程组：

其中F(m_k±1,n_k±1)是F(m_k,n_k)相邻位置的像素值，它们的值是已知的或待求解的；如果它们所对应的掩码M_C(m_k±1,n_k±1)＝1则是待求解的像素值，否则其值为步骤4.3的初始化结果Y(m_k±1,n_k±1)；

步骤4.7：求解步骤4.6构造的泊松方程组，得到融合结果F；

步骤5：将融合结果F与步骤2得到的参数V₁和V₂结合起来，按照下面的公式计算得到新图像C的RGB分量(R_C,G_C,B_C)；新图像C就是功能代谢图像A和解剖结构图像B的最终融合结果：

2.根据权利要求1所述的一种基于泊松方程和互信息分解的多模态医学图像融合方法，其特征在于，所述步骤3包括：

步骤3.1：令图像X中像素取值的集合为S_X，X(i,j)表示X中第(i,j)个像素的取值，图像Y中像素取值的集合为S_Y，Y(i,j)表示Y中第(i,j)个像素的取值；然后按照下面的公式，统计图像X和Y的像素取值概率p(x)和p(y)，以及图像X和Y之间像素取值的条件转移概率p(x|y)和p(y|x)：

其中，n(x)为图像X中像素取值为x的像素个数，n(y)为图像Y中像素取值为y的像素个数；N_X为图像X的像素总数，N_Y为图像Y的像素总数；n(x,y)是将图像X的像素X(i,j)和Y的像素Y(i,j)一一配对后，像素对中取值为(x,y)的像素对数量；

步骤3.2：针对每一个x∈S_X和y∈S_Y，计算X和Y的互信息分解结果I₂(x；Y)和I₃(x；Y)，计算公式如下：