Contourlet变换系数加权的医学图像融合

王昌　刘艳　张文超

【摘 要】本文针对多模态的CT、MRI图像的融合，利用Contourlet变换多尺度、多方向的特性，提出了系数加权的融合算法。对于低频子带，采用局部信息均值和方差来进行系数加权；对于高频子带，采用条件加权。将本算法应用于不同模态的医学图像的融合，有效增加多模态医学图像的互补信息，提高融合的清晰度。

【关键词】多模态；医学图像；Contourlet 变换；图像融合

【Abstract】In order to solve the problem of multi-modality image fusion， an image fusion algorithm based on Contourlet transform was proposed in this paper， using the multi scale and direction characteristics of Contourlet transformation. For low frequency sub bands， the mean and variance of the local information is used to carry on the weighted coefficients； for the high frequency sub bands， the conditional weighted is used. This algorithm is applied to the fusion of medical images of different modalities， and the complementary information of multi modality medical images can be effectively improved.

【Key words】Multi-modality； Medical image； Contourlet transformation； Image fusion

0 引言

随着医学诊断类影像设备快速发展，多模态影像图像不断呈现。单模态的影像图像不能提供足够信息，将不同模态的医学图像进行图像融合，提供丰富的诊断信息是当前研究的热点和方向。国外学者对多模态图像融合技术也作了相关研究，如基于Contourlet变换、基于视觉、基于离散小波变换等的图像融合方法。

目前图像融合技术可分为两类[1]：空间域融合与多分辨频率域融合。Contourlet变换是一种多分辨、局域的、多方向的图像表示方法，是一种二维图像的稀疏表示方式，具有良好的方向性和各向异性特征，能更好地将图像中的边缘轮廓信息捕捉到不同尺度、不同方向的子带中，被有效地应用在图像融合领域[2-3]，本文通过对图像融合技术与Contourlet变换的研究，提出了一种基于Contourlet变换的CT、MRI医学图像区域方差加权和条件加权融合算法。

1 方法

图像融合的前提是两幅图像已经进行了较好地配准，本文利用梯度与互信息结合的相似性准则进行了医学图像配准。

Contourlet变换实现结构由拉普拉斯金字塔（LP）和方向滤波器组（DFB）组成，该变换是将多尺度分析与方向分析分别进行。用类似于轮廓段的基结构来逼近图像，采用的基结构是随尺度变化长宽比的条形结构，具有方向性和各向异性，能够对图像的线和面有更稀疏的表示。

融合规则：低频子带融合规则：对低频子带系数的融合规则采用区域方差加权分析法。该方法能够保留图像的敏感信息，因为图像的信息越大，方差越大，算法中的加权系数更好地提取了敏感信息，采用此算法进行图像融合将会比平均算法取得更好的融合效果。

经过Contourlet变换后的高频子带系数包含了图像中有用的细节信息，包括边缘、区域轮廓等。频子带系数的分布呈现方向特性，含了很多图像中的细节信息。对高频子带系数进行融合的最终目的就是在融合图像中尽可能保留源图像的清晰细节进行图像表示，以更多保留图像有用信息。因此，采用基于主图像的条件加权分析法进行高频子带系数融合。

2 实验结果

利用Contourlet变换可以得到MRI图像的分解示意图。第二层选择k=2，得到4个方向的梯度信息；第三层选择k=3，得到8个方向的梯度信息。

利用本文的融合策略对已配准好的CT、MRI图像进行融合，融合的结果如图3（c）所示，利用平均值的策略进行融合的效果如图3（d）所示。

3 结果

本文将Contourlet变换用于CT、MRI医学图像融合，提出了基于Contourlet变换的区域信息的融合算法。将该算法用于CT、MRI图像的融合实验，通过主观视觉效果进行评价，并与传统融合算法进行比较，结果表明该算法能够有效地融合多源医学图像信息。

【参考文献】

[1]郭雷，李晖晖，鲍永生.图像融合[M].北京：电子工业出版社，2008：183-248.

[2]徐苏.基于Contourlet的医学图像融合技术探讨[J].中国医学影像技术，2011，27（11）：2326，2330.

[3]王昕，李玮琳，刘富.小波域CT、MRI医学图像融合新方法[J].吉林大学学报：工学版，2013，43（s1）：25-28.

[4]Bhatnagar G，Raman B.A new image fusion technique based on directive contrast[J].Electronic Letter on Computer Vision and Image Analysis，2009，8（2）：18-38.

[责任编辑：汤静]