多模态医学图像融合通过融合来源于不同成像设备的医学图像,用于结合更多有用的信息并删除源图像中的冗余信息。由于现实中不可能从一种成像模式中捕获所有的细节信息,因此通过融合多种模态的医学图像可以提高成像质量,同时增强医学图像在医疗问题诊断和评估中的临床适用性,以进行更加可靠和准确的评估。目前已经存在相当多的多模态医学图像融合方法,并在临床上得到了很好的应用,但是仍然存在噪声过多、融合图像颜色失真以及算法复杂度过高等不足,不能够做到实时获得融合结果。本文通过详细介绍多模态医学图像融合的研究意义及其背景,并对目前存在的融合算法和相关理论进行总结和分析,针对所存在的问题,本文首次提出了一种基于最优质量传输理论的多模态医学图像融合方法。具体内容如下:1.提出一种基于最优质量传输理论的多模态医学图像融合方法。通过全局的角度来解决图像融合问题,该算法将图像融合问题表示为概率测度空间内的位移插值测地线。为了避免医学图像黑色背景对融合结果的影响,首先通过图像预处理方法将两幅待融合的源图像表示为概率测度空间中的两个点。然后结合最优质量传输理论计算两点之间的最优传输质心,并为了提高计算效率,使用宽松的最优质量传输距离代替原始的距离。最后使用图像预处理的逆过程对质心进行重构以得到最终的融合图像。2.本文最后通过详尽的实验,对本文算法的组成部分进行了实验,同时将本文所提出的方法与一些经典以及较新的基于像素级融合方法从不同的方面(主观、客观和综合得分)进行比较。最终实验证明了本文提出的多模态医学图像融合算法的有效性、鲁棒性,以及较少的运行时间,算法具有较好的性能,获得的融合图像表现出较好的质量,有着较少的噪声。