医学超声影像中的图像融合应用

陈曦

摘要：医学图像融合的过程可以分为两个步骤：图像在空间域的配准和融合图像的创建。图像配准是图像融合的先决条件，图像配准精度的高低直接决定着融合结果的质量。小波变换理论将医学超声谐波图像跟基波图像进行有机结合，完成了这一过渡性研究，从而可以得到更为清晰的医学超声影像。小波变换理论主要是针对静态图像的，而对于实时超声动态图像的结合方法研究将是当前与未来一段时间的主要研究方向。其主要问题在于动态图像的实时性，如何清晰显示该图像的每一刻动态是人们关注的重点，也是该技术发展的主要内容。

关键词：医学超声影像；图像融合；应用前景

1 引言

数据融合（data fusion）是20世纪80年代逐渐形成与发展起来的数据自动化综合处理技术，其主要是依靠传感器对信息进行收集与整理，再通过计算机对收集的数据进行有效整理结合，从而以数字或者图像方法显示出来的一种技术。图像融合（image fusion）是将数据与相关处理技术进行融合的一项技术，从目前图像融合处理方法来将，其主要是根据不同探测器收集的图像信息进行整理与合并，从而得到一幅完整的图片或者是相关场景。图像融合技术的主要目的是通过对探测器收集的多幅图片中的冗余数据进行处理，从多幅图像中合并可靠性高的图像，从而提升呈现图像的可靠性与清晰度，对原始图像进行放大或者细致处理均可。图像融合从数据处理方面可以说是数据融合的延伸与发展，或者是分支，在图像融合中应用到了数据融合的基础方法，同时也根据图像融合的特异性开发出了新的图像处理方法。本研究中就采用小波变换方法来专门针对医学领域超声图像进行有机融合。实验所用图像经过预处理（滤波，对准），图1为基波图像，图2为二次谐波图像。

2 小波变换理论下的图像融合

医学图像融合的过程从图像融合过程来讲，可以分为2个主要步骤：①图像的配准；②图像的创建。在2个步骤中，第一步骤是第二步骤的前提与基础，图像配准精度如何直接决定了整个图像融合质量的高低。在20世纪90年代发展至今，随着技术的不断发展与进步，图像配准相关研究也日益加深，不论是国外还是国内的学者都针对图像配准做出了具有代表性的贡献。Van den Elsen等人在1993年就针对医学图像的配准方法进行详尽分类，并做出了具体具有7个分类的标准[5]。目前对医学图像的融合方法大部分都是从变换域上的图像编码与压缩技术发展演变而来，其融合步骤大致可以分为以下4个步骤：①把源图像具有针对性变换到相应变换域上；②在变换域上进行设定选择特征；③根据预先设定的规则创建融合图像；④逆变换重建融合图像。

小波变换在空间与频率域上都存在一定的局域性，因此能够对图像信息进行多元化的细化分析。目前关于小波变换方面的研究已经屡见不鲜，但是大部分的研究都局限于已有成果：热图像与可视图像两个方面，而对于其他方面则鲜有报道。小波变换技术应用于图像融合中有以下优点：①经小波分解后的图像，在不同分辨率的细节信息之间是互相不影响的，这样就可以将不同频率范围的信号进行有机组合，根据不同组合会产生不同的融合图像；②经过小波分解后的图像在不同分辨率上的能量与噪声之间也不会相互干扰，大大提升图像融合效率与质量；③经小波分解后的融合图像上面的块状伪影比较容易消除，不会遗漏任何影响图像质量的瑕疵。整个小波变换图像融合过程如下图所示：

从上结构图我们可以看出，在小波融合图像过程追踪，整个融合的规则占据着十分重要的位置。当在建立融合图像的每个小波系数时，我们都应该确定好哪幅源图的小波系数对融合更为有效，同时将这个系数进行有效保留并存入融合决策图中。当前较为常用的融合规则有以下2种：①基于像素的融合规则；②基于窗口的融合规则。其中基于像素的融合规则主要是针对不同源图与位置之间的小波系数进行考虑，其应用技术主要为：交叉像素选择法（从具体的源图中小波系数矩阵里面相应位置来选取最大的小波系数作为融合的小波系数，再将选好的小波系数进行逆变，从而获得相应融合图像）。这种处理方法主要要求在于图像的边缘敏感性，对图像要求较为严格，一旦图像边缘相差过大，那么获得的融合图像则不能正常使用。基于窗口的融合规则相对于上一种规则则考虑到了相邻的小波系数，将相应位置的小波系数与相邻小波系数都纳入到考虑范围内。如以3×3窗口划分，再确定融合相应位置的小波系数，这种方法不但考虑了图像像素还考虑到了与它相邻像素的相关性，因此，总结起来讲：基于窗口的融合规则实质是降低了对边缘的敏感性，扩大了选择性，因此该方法的难点就在于如何选择窗口。在这一过程中我们可以将图像当做是由不同灰度等级的区域来构成的，而每个物体边缘都存在一定的特异性，不完全相同。边缘是图像基础特征之一，其包含了有价值的目标边界信息，我们在处理过程中只需要通過边缘就能够对图像进行相关的定位、识别与滤波等等操作。在这样的理论下，我们可以先提取出源图的边缘并将其设定为固定参照物，以参照物为标准，围绕相关图像建立融合3×3窗口，再结合区域内的图像信息就能够完成这一操作。目前关于边缘的提取与检测方法较多，其中灰度阈值法所提取的边界是较为粗糙的，同时对图像的阈值进行选取也存在很大难度，该方法不能满足图像融合中对边缘提取的基本要求；而边缘算子使用方法较为成熟与频繁，在众多的边缘算子中，CANNY对噪声具有不敏感性，同时具有一定针对性，能够针对弱边界体现出优越性能。所以，我们可以先用CANNY算子来对源图的LL子矩阵边缘进行提取，该提取结果不但可以提供源图中的位置还增强了边缘信息，然后再用该边缘信息产生区域段，产生区域图（区域图值的不同表示不同的区域）。然后将小波系数表中的高频部分平均，从而生成不同区域的活动等级，这样我们可以得到更多的区域信息，如此，就能够生成整个区域的活动表。活动表中较大的活动值代表了区域间较多的信息，活动值较小则说明该区域间信息较少，这样就能够根据边缘与区域图和区域活动表使用融合规则来进行计算：①高活动等级优于低活动等级；②边缘的像素点优于非边缘像素点；③小区域优于大区域。需要注意的一点为，在确定边缘点的过程中要优先考虑边界点，再考虑其相关的像素点，从而避免决策图中出现孤立点。

3 融合结果

根据以上所述对谐波图像与基波图像进行融合处理，结果如下图所示：

在常规的图像处理过程中，我们常常要将得到的新图像与源图进行对比，从而发现优点，查看图像是否存在质量变化。我们对比2张图像的常用方法有：峰值信噪比PSNR，图像融合技术是目前应用较为新颖的图像处理方法，因此可以通过PSNR来确定处理前后图像是否存在质量方面的差异，从而判断技术的优劣性。

由于图像融合是将几幅不同的图像经处理后得到一幅包含源图像中各个细节的图像，因此该过程需要对2张源图与融合后图像进行PSNR计算（计算结果见表1）。处理结果表明基于区域的融合的方法是较为陷阱的，是有效的，对图像质量的提高有实质性的帮助意义。

4 结论

本研究中就从小波变换理论为着手点来研究其在医学超声谐波图像与基波图像之间的融合，从而得到了较前2者更为清晰的图像。小波变换理论主要是针对静态图像的，而对于实时超声动态图像的结合方法研究将是当前与未来一段时间的主要研究方向。其主要问题在于动态图像的实时性，如何清晰显示该图像的每一刻动态是人们关注的重点，也是该技术发展的主要内容。

参考文献：

[1]石帅锋.非刚性配准方法研究及在超声图像上的应用[D].东南大学，2012.

[2]刘贵栋，沈毅，王艳，等.图像融合在医学超声影像中的应用[J].仪器仪表学报，2005，26（8）：838-840.

编辑/哈涛