[发明专利]一种多模态医学图像的融合方法

说明书

本公开是关于一种多模态医学图像的融合方法，包括以下步骤：针对多幅待融合的医学源图像分别进行非下采样剪切波变换，每幅所述医学源图像分别得到对应的低频子带图像和多幅高频子带图像；采用引导核加权引导滤波对所述低频子带图像进行融合处理，得到低频融合子图像；采用侧窗滤波对多幅所述高频子带图像进行融合处理，得到高频融合子图像；利用非下采样剪切波变换的逆变换将所述低频融合子图像和所述高频融合子图像进行融合，得到最终融合图像。本公开提出的多模态医学图像融合方法具有良好的运行效率，显著降低了运算复杂度，并且显著提高了多模态医学图像融合的效果。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种多模态医学图像的融合方法。

背景技术

现今随着图像传感器技术的飞速发展，大量的多模态医学图像可以通过各种不同的图像传感器获得。现有技术中，一般针对各种多模态医学图像所进行的常规图像融合方法运算过程较为复杂，运行效率有待改进，且图像融合的效果有待提升。因此，有必要改善上述相关技术方案中存在的一个或者多个问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种多模态医学图像的融合方法，以提升医学图像的融合效果。

针对多幅待融合的医学源图像分别进行非下采样剪切波变换，每幅所述医学源图像分别得到对应的低频子带图像和多幅高频子带图像；

采用引导核加权引导滤波对所述低频子带图像进行融合处理，得到低频融合子图像；

采用侧窗滤波对多幅所述高频子带图像进行融合处理，得到高频融合子图像；

利用非下采样剪切波变换的逆变换将所述低频融合子图像和所述高频融合子图像进行融合，得到最终融合图像。

本公开的一示例性实施例中，所述针对多幅待融合的医学源图像分别进行非下采样剪切波变换，每幅所述医学源图像分别得到对应的低频子带图像和多幅高频子带图像的步骤包括：针对多幅待融合的医学源图像分别进行非下采样剪切波变换，在经过s级尺度分解和ds方向分解后，每幅所述医学源图像分别得到对应的1幅低频子带图像和多幅高频子带图像，其中，S≥1，s＝1,2,…,S；ds表示第s级尺度下的方向分解数。

本公开的一示例性实施例中，所述采用引导核加权引导滤波对所述低频子带图像进行融合处理，得到低频融合子图像的步骤包括：

分别计算每幅所述低频子带图像中每个像素点的拉普拉斯能量和，所述每个像素点的拉普拉斯能量和的计算公式包括：

其中，f(x,y)表示位于医学源图像对应的低频子带图像中空间位置(x,y)处的像素点；N表示以像素点f(x,y)为中心像素点的局部区域的半径；

step表示步长；

分别从每幅所述低频子带图像中选取多个以不同像素点为中心半径的局部区域，得到每幅所述低频子带图像对应的所述拉普拉斯能量和；并通过对比多幅所述低频子带图像中相同局部区域半径的所述拉普拉斯能量和，得到多幅低频初始融合决策映射图；

采用引导核加权分别对每幅所述初始低频融合决策映射图进行引导滤波处理，得到多幅低频融合决策引导映射图，并从多幅所述低频融合决策引导映射图中选取相同像素点位置处的最大值作为元素值，从而确定低频最终融合决策映射图；

依据所述低频最终融合决策映射图，对多幅所述低频子带图像进行融合，得到所述低频融合子图像。