一种新的基于对比度的多峰医学图像融合框架
主要思想:
出了一种用于空间配准的多峰医学图像融合的新颖框架,该框架主要基于非下采样轮廓波变换(NSCT)。所提出的方法能够将源医学图像分解为NSCT域中的低频带和高频带。然后将不同的融合规则应用于变换后的图像的变化的频带。
融合系数通过以下融合规则获得:
低频分量:利用基于归一化香农熵的活动度量来融合低频分量,本质上是以较高的清晰度从聚焦区域中选择低频分量。
高频分量:高频成分是使用指令对比度进行融合的,本质上是从源图像中收集所有信息纹理。
整合这些融合规则,可以保留更多空间特征和功能信息,并将其转移到融合图像中。
主要思路:
在通过NSCT分解源图像之后,使用两个不同的融合过程来融合低频部分和高频部分的系数,这是考虑到系数的物理含义来选择的。因此,对低频段和高频段的系数进行了不同的处理:前者通过归一化香农熵的活动度量进行选择,后者通过基于对比度的过程进行选择。然后,通过对融合的低频和高频系数进行反NSCT变换,获得融合图像。进行了定性和定量性能评估,以验证所提出的框架。
框架构造
提出的框架实现的在NSCT结构域上,该框架实现了NSCT域中指令对比度的新定义,采用A和B表示的一对源图像生成合成图像F。该框架的基本条件是必须对齐所有源图像才能对齐相应的像素。
a对源图像执行ℓ级NSCT,以获得每个级别和方向θ上的一个低频子图像和一系列高频子图像.
b 低频子图像的融合(低频融合规则将决定系数的清晰程度)
(常规的平均方法会产生复合频带,会导致融合图形的对比度下降,不能提供高质量的融合低频信息)
使用归一化的香农熵作为下标,获得(x,y)为中心的区域中获得低频系数的活度测量值。
从位置(x,y)处的每个图像低频系数中提取显著信息,将其对应的与nsct分解出的低频信息相乘相加得到低频融合系数。
c高频子图像的融合(高频中系数通常包括原图像的细节信息,噪声也和高频有关,可能会导致清晰度数值计算错误,影响融合性能。为了解决这个问题,基于指令对比提出了新的判据)
先获得每个比例和方向上的Nsct高频子图像的定向对比度
接着进行融合
d 在融合的低频和高频信息上进行l级别的逆NSCT,以此获得最终融合图像