1、醫(yī)學(xué)影像成像技術(shù)不斷發(fā)展與完善，為醫(yī)療診斷提供大量可靠的單模態(tài)醫(yī)學(xué)診斷圖像。但是，這些圖像都有其反映的側(cè)重點(diǎn)，是針對(duì)組織器官的某一特征的，其所呈現(xiàn)的信息是局部、片面、不完整的。許多學(xué)者對(duì)如何將不同模態(tài)醫(yī)學(xué)圖像信息在同一張圖像上呈現(xiàn)出來這一課題進(jìn)行了研究。本文對(duì)此課題進(jìn)行了探討，其核心是基于反饋機(jī)制的多尺度變換域醫(yī)學(xué)圖像融合算法研究。通過圖像融合技術(shù)，實(shí)現(xiàn)不同模態(tài)醫(yī)學(xué)圖像之間的融合，達(dá)到圖像信息增強(qiáng)的效果，從而得到信息更全面豐富、分辨率更

2、高的圖像。為病情確診和診治方案的提出提供可靠的依據(jù)。研究?jī)?nèi)容及創(chuàng)新點(diǎn)如下:
　　本文先對(duì)醫(yī)學(xué)圖像（如CT、MRI、PET等）的成像原理進(jìn)行了分析，又對(duì)各自特點(diǎn)進(jìn)行了歸納總結(jié);然后對(duì)空間域算法、頻率域算法、小波變換、多分辨率幾何變換在圖像領(lǐng)域中的應(yīng)用進(jìn)行分析。對(duì)空間域與頻率域、小波變換與輪廓波變換、輪廓波變換與非下采樣輪廓波變換等三組理論對(duì)比分析，提出了一種基于NSCT變換的自適應(yīng)多模態(tài)醫(yī)學(xué)圖像融合算法。依據(jù)分解后的高低頻子帶圖像特

3、點(diǎn)的不同，分別提出了如下融合方法:低通子帶圖像反映源圖像的基本信息，采用子塊與區(qū)域能量相結(jié)合的方法;而高頻子帶圖像呈現(xiàn)源圖像紋理輪廓邊緣等細(xì)節(jié)信息，采用改進(jìn)的拉普拉斯能量和取大的方法;同時(shí)結(jié)合反饋系統(tǒng)理論，利用遺傳優(yōu)化算法，自適應(yīng)調(diào)整融合規(guī)則中的可變參數(shù)，獲得最優(yōu)的融合系數(shù);最后，對(duì)系數(shù)進(jìn)行重構(gòu)得到融合圖像。
　　針對(duì)NSCT變換計(jì)算復(fù)雜度高、耗時(shí)長(zhǎng)、實(shí)時(shí)性差等缺點(diǎn)，提出NSST域的醫(yī)學(xué)圖像融合算法。與NSCT相比，NSST計(jì)算更

4、高效、結(jié)構(gòu)更靈活、圖像處理性能更優(yōu)越。在融合規(guī)則的設(shè)計(jì)過程中，結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)，模仿人類視覺系統(tǒng)，使融合結(jié)果更加符合人眼視覺系統(tǒng)。將低頻子帶系數(shù)與PCNN模型相結(jié)合，采用區(qū)域點(diǎn)火強(qiáng)度取大的方法;高頻子帶圖像采用視覺敏感度、結(jié)構(gòu)相似度、改進(jìn)的梯度能量、區(qū)域能量等多因子相結(jié)合的策略;同時(shí)結(jié)合粒子群優(yōu)化算法，使其構(gòu)成閉環(huán)系統(tǒng)。融合后的高低頻子帶系數(shù)，經(jīng)逆NSST重構(gòu)圖像。
　　使用二值圖像及偽彩色圖像作為源圖像，應(yīng)用本文所提出的算法