[发明专利]一种基于双模型的三模态医学图像融合方法及系统

说明书

本发明公开了一种基于双模型的三模态医学图像融合方法及系统，该方法包括：通过bitonicX滤波器对多模态医学图像进行三层分解处理；对分解后的待融合多模态医学图像依次进行融合与相加处理，得到初步的多模态医学图像融合结果；对初步的多模态医学图像融合结果与多模态医学图像进行分解，得到对应待融合多模态医学图像；将待融合多模态医学图像依次进行融合与相加处理，得到最终多模态医学图像融合结果。该系统包括：第一分解模块、第一融合模块、第二分解模块和第二融合模块。通过使用本发明，能够将不同模态医学图像的有用信息整合，提供高质量的融合结果。本发明作为一种基于双模型的三模态医学图像融合方法及系统，可广泛应用于图像融合技术领域。

技术领域

本发明涉及图像融合技术领域，尤其涉及一种基于双模型的三模态医学图像融合方法及系统。

背景技术

医学成像具有多样性，解剖性医学图像如计算机断层扫描可以准确反映密度差异较小的组织或器官的结构信息，磁共振成像(MRI)具有较好的软组织对比度，MR-T1成像可以反映肿瘤的核心区域，而MR-T2成像可以凸显肿瘤区域和瘤周水肿，功能性医学图像如单光子发射计算机断层扫描(SPECT)和正电子发射计算机断层显像(PET)可以反映新陈代谢，血液流动等生理信息，但是，单一的成像方式仅能为预期目的提供有限的诊断信息，对医生的病症诊断而言，医生需要对相同部位不同模态图像逐个分析，诊断效率和诊断准确性受到了一定的约束。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于双模型的三模态医学图像融合方法及系统，能够将不同模态医学图像的有用信息整合，提供高质量的融合结果。

本发明所采用的第一技术方案是：一种基于双模型的三模态医学图像融合方法，包括以下步骤：

通过bitonicX滤波器对多模态医学图像进行三层分解处理，得到分解后的待融合多模态医学图像；

基于预设的融合规则，对分解后的待融合多模态医学图像依次进行融合与相加处理，得到初步的多模态医学图像融合结果；

基于bitonicX滤波器对初步的多模态医学图像融合结果与多模态医学图像进行分解，得到对应的待融合多模态医学图像；

将待融合多模态医学图像依次进行融合与相加处理，得到最终的多模态医学图像融合结果。

进一步，所述通过bitonicX滤波器对多模态医学图像进行三层分解处理，得到分解后的待融合多模态医学图像这一步骤，其具体包括：

获取多模态医学图像，所述多模态医学图像包括第一多模态医学图像、第二多模态医学图像和第三多模态医学图像；

通过bitonicX滤波器对第一多模态医学图像与第二多模态医学图像进行滤波处理，得到对应的待融合能量层和待融合细节层；

通过bitonicX滤波器对待融合能量层进行二次滤波处理，得到待融合的次能量层；

将待融合能量层与待融合的次能量层进行相减处理，得到待融合纹理层；

整合待融合次能量层、待融合细节层和待融合纹理层，构建分解后的待融合多模态医学图像。

进一步，所述基于预设的融合规则，对分解后的待融合多模态医学图像依次进行融合与相加处理，得到初步的多模态医学图像融合结果这一步骤，其具体包括：

考虑多模态医学图像的梯度信息，通过结合多尺度形态学梯度算子和参数自适应耦合神经网络对分解后的待融合多模态医学图像中的待融合细节层进行融合处理，得到融合的细节层；

基于耦合神经P系统的融合策略对分解后的待融合多模态医学图像中的待融合纹理层进行融合处理，得到融合的纹理层；

基于“绝对值取大”的融合规则对分解后的待融合多模态医学图像中的待融合能量层进行融合处理，得到融合的能量层；