一种基于纹理区域划分的医学图像的融合方法

摘要

本发明公开了一种基于纹理区域划分的医学图像的融合方法，本发明针对现有融合技术存在的不足，针对CT和MR多模医学图像进行融合，以多特征信息为聚类方式利用K-meansClustering分割提取源图像的对应特征点，通过归类合并建立多模医学图像的特征点集合，根据特征点分布将图像划分为纹理区域和非纹理区域，纹理区域对应系数输入PCNN得到点火映射图，根据点火次数选择融合系数，非纹理区域的系数通过双通道PCNN进行融合。实验结果表明，该方法能够精确划分图像纹理区域，进而利用PCNN和双通道PCNN在图像不同区域系数选择各自的优势，融合图像纹理清晰，质量改善。

主权项

一种基于纹理区域划分的医学图像的融合方法，其特征在于，所述方法包括以下步骤：1）. 分别计算源图像的均值，标准差，熵，最大梯度值等信息，作为初始的聚类中心，使两幅图像聚类中心产生的依据与图像质量的客观评价指标一致；2）. 通过K‑means Clustering算法将两幅源图像分别以聚类中心进行聚类，得到特征空间向量；3）. 根据特征空间向量提取每幅图像的特征分布区域，比较两幅图像的对应区域，设定阈值T，提取两幅图像中系数均大于阈值的位置信息并据类此分割提取相应区域，定义为纹理区域；4）. 将纹理区域像素值输入PCNN神经网络得到各自的点火映射图，取两幅图像中点火次数较大的像素点作为融合图像的融合系数，将非纹理区域像素值通过双通道PCNN进行融合；5）. 通过融合系数得到融合图像。