【摘要】 本发明涉及基于多向经验模式分解的医学图像融合方法，该方法采用多向经验模式分解对采集的不同种类的医学源图像进行多尺度多向分解，获得源图像的多尺度多向的高频分量内蕴模式分量，按照区域能量规则进行融合处理，可有效地提取各源图像的高频细节信息；对源图像的低频剩余分量采用能量贡献规则进行融合处理，最后反变换获取融合图像，融合后的图像有效提高融合图像的目视效果，避免小波、超小波、窗口经验模式分解融合算法引起的融合图像出现局部畸变或缺失的缺点，无需人为进行参数的选择，并且能够很好地提取源图像的细节信息，实现自适应地医学图像融合基于全新的多尺度分解结构，具有完全数据驱动的自适应性，具有更强的细节信息获取能力。 【专利类型】发明授权 【申请人】河南科技大学 【申请人类型】学校 【申请人地址】471003 河南省洛阳市涧西区西苑路48号 【申请人地区】中国 【申请人城市】洛阳市 【申请人区县】涧西区 【申请号】CN201210011655.X 【申请日】2012-01-15 【申请年份】2012 【公开公告号】CN102682439B 【公开公告日】2014-04-16 【公开公告年份】2014 【授权公告号】CN102682439B 【授权公告日】2014-04-16 【授权公告年份】2014.0 【IPC分类号】G06T5/50 【发明人】梁灵飞; 平子良; 普杰信; 黎蔚; 黄涛 【主权项内容】： 。一种基于多向经验模式分解的医学图像融合方法，其特征在于，该方法的步骤如下：(1)采用多向经验模式分解对匹配好的不同种类的待融合医学源图像进行多尺度多向分解，获得源图像的多尺度多向的高频分量内蕴模式分量imfij和低频剩余分量ri，其中i=1, 2, 3, ……, m，m为待融合图像的数量，j=1, 2, 3，……, n，n为分解得到的imf的级数；(2)将相同级的待融合图像的高频分量内蕴模式分量imfij按照区域能量规则进行融合处理，产生融合图像的第j级内蕴模式分量imfj；(3)对源图像的低频剩余分量采用能量贡献规则进行融合处理，得到融合图像的剩余分量r；(4)将imfj和剩余分量r反向重构得到极坐标系下的融合图像，再进行坐标系反变换得到最终融合图像；所述步骤(1)中多向经验模式分解的处理过程包括如下步骤：(11)以待融合图像x的中心为原点，将直角坐标变换到极坐标，得到变换矩阵y，s=1，s表示极径的长度；(12)rs0=ys，ys为极坐标系中具有相同极径长度的那一行或列，j=1，j表示分解第j级内蕴模式分量；(13)确定rs(j-1)的所有局部极值点，并组成极大值点集和极小值点集；(14)根据分解级数j；(a)设定当前最大窗口N，初始窗口M，窗口K=M，M数值为奇数；(b)以rs(j-1)中一个数值为当前中心，如果在窗口K内的极大值点个数和极小值点个数相等，则求取窗口K内数值均值mean，转到步骤(d)；(c)K=K+2，如果K< N，转到步骤(b)；如果K≥N，直接求取窗口K内数值均值mean；(d)以mean作为当前数值的局部均值，转到下一个数值，K=M，转到步骤(b)，直至遍历rs(j-1)的所有数值；(15)用得到的所有局部均值点构成rj-1的均值线hj-1，并计算imfsj=rs(j-1)-hs(j-1)，rsj=hs(j-1)，j=j+1；(16)重复步骤(13)到(15)的操作，直到规定的分解层级数n，s=s+1；(17)重复步骤(12)到(16)的操作，直到所有相同极径长度的列或行都分解完毕，得到变换矩阵y的每一级内蕴模式分量imfj和最后一级剩余分量r。 【当前权利人】河南科技大学 【当前专利权人地址】河南省洛阳市涧西区西苑路48号 【专利权人类型】公立 【统一社会信用代码】124100004165265089 【家族引证次数】4.0 【家族被引证次数】13

未经允许不得转载：http://www.zhongzhencnc.com/1791138712.html