[发明专利]基于自适应云模型的多模态脑部图像融合方法

摘要

本发明请求保护一种基于自适应云模型的多模态脑部图像融合方法，属于医学图像处理领域。本发明借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先，根据脑部图像自身的灰度直方图特征，对灰度直方图进行拟合；然后，由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型；最后，设计云推理规则，得到融合后的图像。实验结果表明，相比传统融合方法，本方法融合后的图像脑部特征更清晰，激活区域更明显，在主观融合效果与客观评价指标方面均有很大的提高。

主权项

1.一种基于自适应云模型的多模态脑部图像融合方法，其特征在于，包括生成图像云模型过程和云推理规则设计过程，其中图像云模型生成过程包括以下步骤：101、输入脑部图像，并对脑部图像的灰度直方图进行拟合的步骤，具体包括：将两幅待融合图像A、B的灰度直方图进行拟合，得到各自拟合曲线；对两条拟合曲线求导，得到曲线极值点，再从中筛选出谷值点；102、根据拟合得出的曲线谷值点划分区间，并在区间内，由逆向云发生器生成三个特征值，再由特征值生成云模型的步骤，在灰度值0～255之间，相邻两个谷值点构成一个区间，在每个区间内，运用逆向云算法和正向云算法得到一个云，进而得到每幅图像对应的云模型；另外云推理规则设计过程包括步骤：103、将图像的灰度值数据对映射到步骤102云模型的步骤；104、从云模型映射出灰度值，由灰度值构成融合后的输出图像；所述步骤102在区间内生成云模型，其中云模型的三个特征值采用逆向云发生器算法；由特征值生成云模型采用正向云发生器算法；步骤103云推理规则设计过程中的灰度值数据对映射到云模型采用X条件云发生器，而从云模型映射出灰度值采用Y条件云发生器来实现；所述X或Y条件云发生器变换，具体包括以下步骤：假设图像A生成n₁个云，图像B生成n₂个云；记一组输入灰度值数据对对两个云模型的激发分别为μ_1i和μ_2j，即构成X条件云发生器，通过软与算法构造二维云，实现μ_x＝μ_1i×μ_2j，求其最大值记为μ_max；μ_1i激发图像A云模型，即构成Y条件云发生器，生成一系列灰度值，求其平均记为μ_2j激发图像B云模型，即构成Y条件云发生器，生成一系列灰度值，求其平均记为比较和取较大者输出，即为融合后的灰度值，μ_1i中1＜＝i＜＝n₁，μ_2j中1＜＝j＜＝n₂，μ_x中1＜＝x＜＝n₁×n₂；n₁、n₂、i，j均取正整数。