[发明专利]基于统计建模的Contourlet域多模态医学图像融合方法

摘要

本发明公开了一种基于统计建模的Contourlet域多模态医学图像融合方法，主要解决医学图像融合时空间分辨率和光谱信息难以均衡的问题。其实现步骤是：1)待融合图像进行IHS变换，得到亮度、色调和饱和度；2)分别对亮度分量执行Contourlet变换，并采用EM算法估计高频子带的上下文隐马尔科夫模型CHMM参数；3)低频子带采用区域绝对值和取大的融合规则，高频子带基于CHMM和改进的脉冲耦合神经网络M‑PCNN设计融合规则；4)融合后的高、低频系数执行Contourlet逆变换重构新的亮度分量；5)利用IHS逆变换获得融合图像。本发明能充分整合医学图像的结构和功能信息，有效保护图像细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。

主权项

一种基于统计建模的Co=tourlet域多模态医学图像融合方法，其特征是：首先对待融合的多模态医学图像进行IHS变换，对得到的亮度分量执行Contourlet变换，并对高频子带系数建立上下文隐马尔可夫CHMM统计模型，然后分别采用区域绝对值和取大以及基于CHMM和改进的脉冲耦合神经网络M‑PCNN的融合规则确定低、高频子带融合系数，再执行Contourlet逆变换重构新的亮度分量，最后进行IHS逆变换获得最终的彩色融合图像。