[摘要]医学图像融合是指将不同成像设备或同一成像设备不同时间获得的多幅图像综合成一幅图像的图像处理技术。通过对医学图像融合方法和现状分析，探讨了传统的医学图像融合的方法，并提出一种基于小波变换的医学图像融合的方法。
[关键词]小波变换 医学图像融合
中图分类号：R9 文献标识码：A 文章编号：1671－7597(2008)0620020－01
一、医学图像融合方法和现状分析
医学图像融合根据融合对象的不同，分为单模融合、多模融合和模板融合三种类型。单模融合是相同成像方式的图像融合，即待融合的两幅图像是由同一设备获取的，常用于疾病治疗前后的随访或不同病理状态下的对比，以及运动伪影和设备固有伪影的校对等方面；多模融合是将形态成像和功能成像技术所获得的图像进行融合，即不同成像方式所获取的图像间的融合；模板融合则利用从健康人的研究中建立的一系列模板作为标准，将病人的图像与模板图像的融合。
按医学信息抽象程度的不同，图像融合技术可分为像素级的图像融合、特征级的图像融合和决策级的图像融合。其中，像素级和特征级的图像融合的研究和使用最广泛。像素是图像的基本元素，像素间灰度值的差异显现出图像中所包含的结构信息，以像素为基础的方法由于直接对图像进行逐点处理，所以，用到的数学原理易于理解，算法实现也比较简单，不过实现的效果相对较差。目前，医学图像融合中常用的还是像素级的图像融合方法，主要算法有加权平均法、基于图像分割的融合法、对比度调制法、逻辑滤波法、多分辨塔式算法、小波变换法等。
二、医学图像融合当前存在的问题
在国外，医学图像融合的研究较早，技术较成熟。在国内，相关的研究起步较晚，由于应用医学图像融合的相关设备的价格很高，融合过程又要耗费不短的时间，目前的很多方法也仅限于对几个或几十个病人的研究阶段，约束了相关技术的快速发展。虽然目前医学图像的融合方法很多，但在临床应用中还存在着许多尚未解决的技术难题。
首先，由于各种成像系统的成像原理不同，其图像采集方式、格式以及图像的大小、质量、空间与时间特性都有很大差别，因此研究稳定且精度较高的全自动医学图像配准与融合方法是图像融合技术的难点之一。
其次，图像理解是医学图像融合的最终目的，图像融合的潜力在于综合处理应用各种成像设备所得信息以获得新的有助于临床诊断的信息，由于图像融合技术目前还是一个全新的研究领域，因此，如何理解和利用这些新的综合信息，还需要不断地实验和证明。
最后，由于在实际图像融合时，许多差异都是未知的，不可能达到绝对的最优，到目前为止，在多种多样的图像融合优化准则中，很难说某一种准则一定比另一种好，特别是不存在一种绝对完美的融合图像做参考，因此进一步研究能够客观比较和评价不同方法融合性能的标准也是急需解决的问题。
三、传统的医学图像融合的方法
传统的医学图像融合方法是早期的图像融合方法，也是目前比较成熟和应用广泛的图像融合方法，它的基本原理是不对参加融合的各源医学图像进行任何图像变换或分解，而是直接对各源图像中的对应像素分别进行平均加权、灰度值选择等简单处理后，融合成一幅新的图像。其中有像素值平均或加权平均法、插入像素法和灰度值选大选小法三种比较典型的传统医学图像融合方法。
传统的CT与MR医学图像融合方法具有实现简单、融合速度快的特点。在某些特定的医学图像融合应用场合，传统的CT与MR医学图像融合方法尽管可能获得较好的融合效果，但在多数应用场合，这些传统的图像融合方法是无法获得非常满意的效果的。
四、基于小波变换的医学图像融合的方法
小波变换被认为是傅立叶分析方法的突破性进展，它在空间和频率域上都具有局域性，能通过伸缩平移等运算功能对信息进行多尺度的细化分析，因而有“数学显微镜”的美誉。最早小波变换在图像融合中的应用研究多是热图像和可视图像的融合，目前在医学图像融合方面也有了很多应用，已成为医学图像融合的一个研究热点。基于小波变化的融合法相对于其他的融合法更能有选择地表现源图像的细节信息和特征信息，在医学图像融合中具有举足轻重的作用。
对不同的医学设备得到的同一部位的切片图像，其低频成分一般相近或相同，而高频成分差别却比较大。因此医学图像融合的关键在于高频成分的融合，所以在融合处理中应对图像的高频成分和低频成分加以区别，采用不同的融合算子及融合规则。
基于小波多尺度分解图像融合的过程如图1所示，我们这里采取最简单的方式，设源图像为A、B，以A、B图像的融合为例，对于多幅图像的融合方法可由此类推。
1．将待融合的源图像A、B进行K层小波分解，得到3 K+1幅子图像：3K幅不同尺度、具有不同空间分辨率和频率特性的高频子图像和1幅最高层(K层)的低频子图像。C0(A)、C0(B)为源图像，C K(k =1，2，3... K)表示源图像在第k层上的低频分量，分别为源图像在第k层上的水平、垂直和对角方向的高频分量；2．对两幅图像所对应分解层的不同频率分量进行融合，得到融合后的3K幅高频子图像和1幅低频子图。最后，我们可以得到融合后的小波金字塔；3．得到融合后的小波金字塔之后，我们将小波金字塔小波逆变换，最终得到融合后的结果图像F或C0(F)。
参考文献：
[1]郁文贤、雍少为，多传感器信息融合技术评述[J].国防科技大学学报，1994，16(3):1－11.
[2]王静云、李绍林，医学影像图像融合技术的新进展[J].第四军医大学学报，2004，25(20):1918－1920.
[3]王修信、张大力，多模态医学图像的融合研究[J].广西师范大学学报，2004，22(2):10－13.
[4]庄天戈，CT原理与算法[M].上海，上海交通大学出版社，1992:22－100.
[5]刘敬华、钱宗才、屈景辉等，医学图像融合技术及其应用[J]，医学信息，2002，15(5):258－259.