图像融合在医学超声影像中的应用

　　摘要:图像融合是图像分析和处理的基本问题,在医学影像领域有着广泛的应用.将它引入医学超声影像中,以期获得更清晰的利于诊断的医学超声图像.利用小波变换理论首先将谐波图像与基波图像进行分解,然后利用基于窗口的融合规则进行融合,最后利用小波逆变换重建图像.融合结果表明融合后的医学超声图像更清晰,计算结果表明信噪比更高.融合方法使得借助超声进行疾病诊断的结果更为准确.

　　关键词:图像融合 医学超声 谐波成像 基波成像 小波变换

1.引言医学超声在医学诊断中起着十分重要的作用.但是医学超声所包含的诊断技术,无论是型成像还是血流检测,一般都沿用了线性声学的规律,从低廉的普及型仪器到昂贵的高档设备,都作为线性系统进入应用领域,这种医学超声中的线性现象以往占了主导地位,形成超声诊断的主流,实际上医学超声中存在着非线性现象,过去它处于次要地位而被忽略,但是随着人们对事物本质研究的深入,以往被忽略的非线性现象都在某种场合显示其重要性’研究医学超声中非线性现象有助于人们进一步提高现有的诊断水平,近年来产生的谐波技术就是非线性声学在超声诊断中的一项有应用成效的新技术,传统的超声影像设备是接收和发射频率相同的回波信号成像,这种成像的方法被称为基波成像,实际上回波信号受到人体组织的非线性调制后产生基波的二次三次等高次谐波,其中二次谐波幅值最强,利用人体回声的高次谐波构成人体器官的图像’使得图像清晰分辨率得到提高(这种用回波的高次谐波成像的方法叫做谐波成像,近年来’在临床上得到了广泛的应用,虽然谐波成像可以减少杂波和图像阴霾,能够提供增强的对比分辨率,但是由于带宽较窄,对于低频中的有用信号的损失是不可避免的,能否提高信号的利用率是获得更为清晰的超声图像的关键!

　　数据融合,是20世纪80年代形成和发展起来的一种自动化信息综合处理技术,它将来自多传感器和多源的信息和数据进行综合处理,从而得出更为可信的结论图像融合,是数据融合技术在数字图像处理方面的一个应用,一般地,图像融合是将来自不同探测器的图像进行合并,以得到一个更完整的图片或场景!其主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可靠性,通过对多幅图像间的互补信息的处理来提高图像的清晰度!图像融合作为数据融合的一个分支,也用到了常用的数据融合方法,但又根据图像的特点引入了许多图像处理的方法!文中采用小波变换的方法针对医学超声图像进行融合,实验所用图像经过预处理滤波!

　　2.基于小波变换的图像融合方法医学图像融合的过程可以分为两个步骤,图像在空间域的配准和融合图像的创建!图像配准是图像融合的先决条件,图像配准精度的高低直接决定着融合结果的质量!20世纪90年代以来,随着图像配准研究的深入开展,国内外学者研究了多种方法1993年专门对医学图像的配准方法进行了分类,归纳了7种分类标准.现有的融合方法几乎都是从变换域上的图像编码和压缩技术延伸而来的,融合步骤一般可分为:

　　(1),将源图像分别变换到一定的变换域上:
　　(2),在变换域上设计一定的特征选择规则:
　　(3),根据规则在变换域上创建融合的图像:
　　(4),逆变换重建融合图像!

　　小波变换在空间和频率域上都具有局域性,从而能对信息进行多尺度分析的细化分析,因而有,数学显微镜C的美誉!小波变换在图像融合中的应用研究已有报道,但大多在热图像和可视图像的融合!小波变换用于图像融合有不少优点,图像经小波分解后,不同分辨率上的细节信息互不相关,这样可以将不同频率范围内的信号分别组合,产生多种不同特征的融合图像!

　　而且图像在不同分辨率水平上的能量和噪声不会互相干扰!融合图像的块状伪影也容易消除!基于小波变换的图像融合的一般结构!

　　可以看出融合规则非常重要!当在建立融合图像的每个小波系数时,必须确定哪幅源图的小波系数对融合有利,这个信息将保留在融合决策图中!常用的融合规则主要有基于像素的融合规则和基于窗口的融合规则!基于像素的融合规则逐个考虑源图相应位置的小波系数,主要是交叉像素选择法,即从各源图的小波系数矩阵中相应位置选取最大的小波系数作为融合的小波系数,然后再由小波逆变换得到融合图像!

　　这种方法在融合处理时表现出对边缘的高度敏感性,使得图像在预处理时要求图像严格对准,否则处理结果将不尽人意!基于窗口的融合规则不仅考虑相应位置的小波系数,还要考虑与它相邻的小波系数,比如以,窗口划分,再确定融合相应位置的小波系数,这种方法考虑了图像像素与它相邻像素的高度相关性这一事实,因此,降低了对边缘的敏感性!如何选择窗口是该融合规则的难点,这要求所选窗口的小波系数有较大的相关性,否则就无法发挥该法的优越性!为此,可以将图像看作是由不同灰度等级的区域构成的,而物体的边缘表现为灰度差!边缘是图像的一个很重要的特征!包含有价值的目标边界信息!由边缘可以进行图像的定位"识别"滤波等操作,这样!可以先提取出源图的边缘!以图像的边缘为参考!围绕边缘建立融合的窗口!然后结合区域内的图像信息,在众多边缘检测方法中!灰度阈值法所提取的边界较粗糙!同时阈值的选取存在一定的难度!不符合图像融合中对边缘提取的要求,而边缘算子使用较频繁!在众多算子中!

　　3.对噪声最不敏感!同时能检测弱边界!性能最好,先用算子提取源图的子矩阵的边缘!该结果提供了源图中的位置与边缘增强信息!然后用该边缘信息产生区域段!产生的结果是区域图!该区域图的不同的值表明了不同的区域,然后将小波系数表的高频部分进行平均!产生每个区域的活动等级!这可能提供区域更多的信息,这样!就生成了区域活动较大的活动值代表了区域含有较多的信息,根据边缘"区域图和区域活动表!使用以下的融合规则来计算融合决策图,高活动等级优于低活动等级,边缘的像素点优于非边缘像素点,小区域优于大区域,在确定边缘在图像处理中!经常要将处理后的图像与处理前的图像进行各方面的比较!看图像质量是否改观,比较常用的方法是峰值信噪比,图像融合是一种新的图像处理方法!因此可以借用通常图像处理中的图像评估方法!以评判融合方法的优劣,由于图像融合是将几幅不同的图像经处理后得到一幅包含源图像中各个细节的图像!该融合后的图像与两张源图进行,计算处理结果表明基于区域的融合的方法是有效的,总之!融合处理对图像质量的提高是有益的.

4结论文中基于小波变换理论完成了医学超声谐波图像和基波图像的融合!获得了更为清晰的融合图像,这种图像融合主要是针对静态图像的!而对实时超声图像的融合方法将是今后的一个研究方向!问题的关键在于提高融合处理系统的实时性,随着人们对医学影像融合技术的关注!相信它的应用前景会越来越广泛!

　　参考文献
　　[1]王威琪,汪源源,余建国,医学超声中谐波技术的有关问题,世界医疗器械
　　[2]滕召胜,罗隆福,等智能检测系统与数据融合,北京
　　[3]孙辉,基于小波变换的图像数据融合方法,光学精密工程
　　[4]袁华,等,边缘检测及其在医学图像中的应用,生物医学工程学杂志