[发明专利]神经胶质瘤分级中的多模脑图像融合方法

权利要求书

1.神经胶质瘤分级中的多模脑图像融合方法，其特征在于：所述方法具体过程为：

步骤一：采用多级保边滤波MLEPF算法对输入的图像进行分解，分解为不同级别的图像；

步骤二：获取任意两个已配准的图像A(x,y)和B(x,y)；

步骤三：对图像A(x,y)和B(x,y)分别执行步骤一，得到图像A(x,y)的精细结构层图像FS_A⁽ⁱ⁾、图像B(x,y)的精细结构层图像FS_B⁽ⁱ⁾、图像A(x,y)的粗略结构层图像CS_A⁽ⁱ⁾、图像B(x,y)的粗略结构层图像CS_B⁽ⁱ⁾以及图像A(x,y)的基础结构层图像BS_A、图像B(x,y)的基础结构层图像BS_B；

对图像A(x,y)的精细结构层图像FS_A⁽ⁱ⁾和图像B(x,y)的精细结构层图像FS_B⁽ⁱ⁾进行融合，得到融合后的精细结构层图像FS⁽ⁱ⁾；

对图像A(x,y)的粗略结构层图像CS_A⁽ⁱ⁾和图像B(x,y)的粗略结构层图像CS_B⁽ⁱ⁾进行融合，得到融合后的粗略结构层图像CS⁽ⁱ⁾；

步骤四：对图像A(x,y)的基础结构层图像BS_A和图像B(x,y)的基础结构层图像BS_B进行融合，得到融合后的基础结构层图像BS；

步骤五：基于步骤三得到的融合后的精细结构层图像FS⁽ⁱ⁾、步骤三得到的融合后的粗略结构层图像CS⁽ⁱ⁾以及步骤四得到的融合后的基础结构层图像BS，得到最终融合后图像。

2.根据权利要求1所述的神经胶质瘤分级中的多模脑图像融合方法，其特征在于：所述步骤一中采用多级保边滤波MLEPF算法对输入的图像进行分解，分解为不同级别的图像；具体过程为：

步骤一一：A_in表示输入图像，则表示进行i次加权平均曲率滤波WMCF后的图像，用表示进行i次引导滤波GF后的图像，i＝1,2,3；

和的计算公式为：

其中，A_in表示输入图像；μ和σ表示均值和方差；表示进行i-1次引导滤波GF后的图像，GF表示引导滤波；

其中，WMCF表示加权平均曲率滤波；

步骤一二：基于和获得第i个精细结构层图像FS⁽ⁱ⁾和第i个粗略结构层图像CS⁽ⁱ⁾，以及一个基础结构层图像BS，表达式为：

并且精细结构层图像FS⁽ⁱ⁾、粗略结构层图像CS⁽ⁱ⁾以及基础结构层图像BS满足以下等式：

其中，n为进行GF和WMCF的次数，n＝3。