多模医学图像融合技术的原理\\应用与最新进展

　　摘要：利用图像融合技术，将不同模态的医学图像有机地结合在一起，可以充分利用各种医学图像的优点，为临床诊断和治疗提供帮助。该文主要介绍了多模态医学图像融合技术的基本概念、各种融合技术以及实现方法原理，重点阐述了基于小波变换的方法，并对不同融合技术进行评估，介绍了图像融合技术的应用，最后介绍了医学图像融合技术存在的问题、最新进展与研究前景。
　　关键词：图像融合；医学图像；多模态；小波变换
　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2011)09-2122-04
　　1 背景知识介绍
　　图像融合是指综合两个或多个源图像的信息，以获取对同一场景的更为精确、全面和可靠的图像描述。它将不同传感器所采集到的关于同一目标的多幅图像，或同一传感器在不同时间采集到的关于同一目标的多幅图像，经过一定的图像处理算法，提取各自的有用信息，生成一幅能够更加有效地表示目标信息的新图像。从信息论的角度讲，融合后的图像将比组成它的各个子图像具有更优越的性能，综合信息大于各部分信息之和，也就是说，融合的结果应该比任何一个输入信息源包含更多的有用信息[1]。
　　图像融合通过多幅图像间的冗余数据处理，提高图像的可靠性；通过对多幅图像间的处理，提高图像的清晰度。与单一、孤立的原始图像相比，经融合得到的图像更适合人或饥器的视觉特性，可以提供更多的目标信息。比如，由于受到云、烟雾、照明环境以及传感器固有特性等因素的影响，通过单一传感器所获得的图像信息不足以用来对目标和场景进行更好的检测、分析和理解．将一些成像条件相同、镜头聚焦目标不同的多个图像，通过图像融合技术处理可以得到一幅目标清晰的融合图像[2]。
　　图像信息融合按信息抽象程度的不同(也对应完成不同级别的功能)可分为3个从低到高的层次：像素级(原始数据)融合、特征级(或目标级)融合、决策级融合。
　　图像融合从配准的图像出发，经过特征提取、属性判决而得到融合结果。上述三个层次与图像工程的三个层次有一定的对应关系，在实际中要根据需要选择和结合不同层次融合的特点，获得全局最优的效果。
　　多模态医学图像融合技术是20世纪90年代中期发展起来的一项高新技术，也是当前国内外在医学图像处理与分析研究中的热点之一。医学图像融合则是指对医学影像信息如CT、MRI、SPECT和PET所得的图像，利用计算机技术将它们综合在一起，实现多信息可视化，对各种医学影像起到取长补短的作用。
　　2 多模医学图像融合技术
　　2.1 多模医学图像融合的主要步骤
　　多模医学图像的融合是建立在两种或多种不同模态医学图像配准基础之上的，它可归纳为三步，如图1所示。
　　第一步是预处理。对获取的两种或多种图像数据分别进行去噪、增强以及分割图像特征的提取等处理，统一两种数据格式、图像大小和分辨率，对序列断层图像做三维重建和显示；第二步是配准。配准是指对图像寻求一种或一系列空间变换，使它与另一图像上的对应点达到空间上的一致。配准主要解决的问题是两幅图像之间的几何位置差别，包括平移、旋转和比例缩放等基于对特征空间、相似性准则和搜索策略的不同选择，配准方法可分为基于全局域准则的方法、频域傅立叶法、基于特征的匹配法和基于弹性模型的匹配法；第三步是融合。图像在空间域配准后便可选择不同的融合算子和融合规则进行融合。本文主要讨论第三步融合，以下介绍的各种融合技术都是在配准之后的基础上进行的。
　　2.2 医学图像融合算法
　　目前常用的医学图像融合技术包括：加权平均法、多分辨金字塔法、小波变换法、基于假彩色技术的融合算法及基于调制技术的融合算法等。下面就其中几种方法作进一步的说明，由于基于小波变换的方法在图像融合技术中的重要性，将在下一节详细介绍。
　　2.2.1 简单图像融合方法
　　像素灰度值极大(小)法：设g