基于提升小波变换的医学图像融合方法

多模医学图像融合在医学图像分析和诊断上具有重要的应用价值。在对CT与MRI图像进行提升小波变换的基础上,结合低频子带系数存在区域相关性及高频子带系数的特点,提出了对于低频子带系数采用基于区域方差的融合规则,对于高频子带系数采用基于区域空间频率的融合规则,最后进行提升小波逆变换得到融合图像。实验结果表明,与传统方法相比,该方法可以有效提高医学图像融合的信息量,较好地保留了源图像的边缘及细节信息,具有良好的融合效果及量化指标。

基于非采样提升小波变换的图像融合算法

针对传统提升小波变换的图像融合算法缺乏平移不变性以及区域能量融合准则存在的不足,提出了一种基于改进提升小波变换的图像融合新算法。该算法在提升小波变换原理的基础上,通过取消其奇偶分裂来获得具有平移不变性的非采样提升小波变换。对图像经此变换得到的低频部分设计出一种新的基于区域空间频率的加权和选择相结合的融合方法,高频部分采用一种基于边缘信息的加权融合策略。为验证所提出融合方法的有效性,对多聚焦图像进行了融合实验。实验表明,与传统的图像融合算法相比,该算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像。

改进对比度的有限离散剪切波图像融合

为了改善融合图像的对比度,保留源图像的丰富有效信息,借助有限离散剪切波(FDST)的优良特性,提出了一种基于有限离散剪切波域的图像融合算法。首先将源图像经过FDST分解,得到一系列高低频子带;然后采用改进的像素加权与区域空间频率相结合的融合方案对低频系数进行选取,高频则引入区域平均梯度对比度的融合方法;再借助FDST逆变换对融合系数进行重构获得融合图像。通过对比试验结果表明:所提算法的融合结果在主观视觉上对比度适中,图像清晰自然,且各项客观评价指标均明显改善;进一步说明了改进算法优于其他算法,大大提升了图像融合的质量。