[发明专利]一种基于多尺度形态学双边滤波分解和对比度压缩的MRI与PET图像融合方法

摘要

本发明一种基于多尺度形态学双边滤波和对比度压缩的MRI与PET图像融合方法：对PET彩色图像插值运算，使分辨率与MRI图像相同，对R、G、B三通道IHS变换，得I、H、S三通道；对PET图像的I通道和MRI图像多尺度形态学双边滤波分解，得亮特征图像、暗特征图像和基频图像；对MRI图像分解得到的亮特征和暗特征图像对比度压缩、调整灰度范围，使之与I通道分解得到亮特征和暗特征图像灰度范围相同；将对比度压缩后MRI亮特征和暗特征图像与I通道分解得到的亮特征和暗特征图像进行最大值运算，得矫正后亮特征和暗特征图像，矫正后亮特征图像减去矫正后暗特征图像，加上PET图像分解得到的基频图像得到融合亮度图FI；将FI、H和S三通道进行IHS逆变换，得到融合后彩色图像。

主权项

1.一种基于多尺度形态学双边滤波分解和对比度压缩的MRI与PET图像融合方法，其特征在以下五个步骤：步骤一：采用双立方插值的方法对PET图像的R、G、B三通道分别进行插值，使其分辨率和MRI图像的相同，然后对其进行IHS变换、得到I、H、S三通道，其中I表示图像的亮度、H代表图像光谱的波长、S代表光谱的纯度；步骤二：分别对MRI图像和PET的亮度图像I进行多尺度形态学双边滤波分解；设分解的层数为n，待分解的图像为f0则第i层分解为：Δi1＝max(Wi‑1*G(di‑1))，i＞1的情形；Δi2＝max(Bi‑1*G(di‑1))，i＞1的情形；di＜di‑1Wi＝fi‑fi‑1Bi＝fi‑1‑fi其中，Wi、Bi、fi分别为第i层分解得到的亮特征图像、暗特征图像和基频图像，Wi‑1、Bi‑1、fi‑1为第i‑1层分解得到的亮特征图像、暗特征图像和基频图像；Bd,Δ是自适应各向同性扁平结构元素，定义如下其中，d为结构尺度因子，Δ为灰度尺度因子；Δi1、Δi2为第i次分解的灰度尺度因子，di‑1、di分别为第i‑1和i次分解的结构尺度因子；G(di‑1)标准差为di‑1的高斯函数，*为卷积运算符，定义如下其中，(x,y)、(m,n)分别为卷积前后图像的像素坐标，M、N为被卷积图像的行列像素数；max()和min()分别为取最大值和最小值函数；·、和分别为数学形态学开运算、闭运算、膨胀和腐蚀运算符，定义如下其中，(x,y)是图像像素坐标，(u,v)为结构元素中的像素坐标；对于第一层分解，当i＝1时，取W1＝f1‑f0B1＝f0‑f1其中，M、N为图像f0的尺寸；按照步骤一和步骤二的方法，对输入图像进行n层分解，得到n组基频图像、亮特征图像和暗特征图像，分别为f1、f2……fn，W1、W2……Wn，B1、B2……Bn；设形态学双边滤波分解得到的亮特征、暗特征和基频图像分别为W、B和Base，则其取值如下Base＝fn令f0为MRI图像，对其进行多尺度形态学双边滤波分解，得到对应的亮特征图像MW、暗特征图像MB；然后令f0为PET的亮度图像I，对其进行多尺度形态学双边滤波分解，得到对应的亮特征图像PW、暗特征图像PB和基频图像PBase；步骤三：对提取的MRI亮特征图像和暗特征图像分别进行对比度压缩，设待压缩的图像为f，则采用下面的压缩函数对f进行压缩其中，M、N分别为图像f的行数和列数；式中T和R是输入参数，分别是图像对比度的压缩率和压缩曲线在对数坐标轴下的拐点斜率；参数S、r和p通过联立下列各式求得其中，A2＝((fmaxfmin)r+Lwa2r)(C‑1)A3＝((fmaxfmin)r‑Lwa2r)(C‑1)fmax＝max(f)fmin＝min(f)令f分别为MRI图像的亮特征MW和暗特征MB，得到对比度压缩后的亮特征CMW和暗特征CMB；步骤四：分别用PET分解得到的亮特征图像PW和暗特征图像PB与MRI对比度压缩后的亮特征图像CMW和暗特征图像CMB进行最大值运算，得到新的亮特征图像NCMW和暗特征图像NCMB其中，(x,y)为图像的像素坐标，将灰度图像看作二维标量函数，则Ο1是函数CMW和PW支撑集的交集，则Ο2是函数CMB和PB支撑集的交集；步骤五：按下式得到融合亮度图像FIFI＝Pbase+NCMW‑NCMB其中，Pbase为PET的亮度图像I经过多尺度形态学双边滤波分解后得到的基频图像；用FI代替PET图像经过IHS变换得到的亮度图像I，并与色调分量H和饱和度分量S一起通过IHS逆变换得到融合后的彩色图像F，从而达到融合高分辨率灰度MRI图像和低分辨率彩色PET图像，得到高分辨率彩色图像的目的。