医学成像技术是利用各种成像设备,对人体内部组织、脏器形态、功能变化进行观察研究的方法。不同的医学成像设备提供了不同的医学信息,在临床诊断和治疗中发挥着不同的作用。医学图像融合能够综合其中的互补信息,得到包含信息更全面、显示效果更好的图像,为临床诊断和治疗提供更精确的数据。论文分别对医学图像融合的两类重要方法:小波变换方法和智能型方法进行了探讨和研究,分析了其数学理论和模型,并提出了具体有效的算法。 小波变换融合方法是从数学理论到算法模型都相对完善的方法。在这一部分研究中,首先对于CT和MRI为代表的解剖成像融合,提出了一种新的融合算法。算法的重点在于对配准过程的优化,通过对互相关方法的改进,得到两幅配准更为精确的图像,可以改善融合的结果。然后对小波变换的多尺度分解过程进行了拓展和改进,得到了一种适用于解剖成像和功能成像的融合算法。这一算法针对解剖成像和功能成像分辨率不等的特点,用功能成像直接与解剖成像多分辨分解后的近似信息进行综合,不同于一般采用的插值放大等方法,可以避免虚假信息的引入,并提高算法的执行速度。最后对两种算法分别进行了仿真和结果分析。 智能型融合方法是一种处于发展初期,但却具有良好性能和巨大发展潜力的方法。在对这类方法的探讨中,着重讨论了基于模糊逻辑的融合方法,提出了一种基于简单规则的模糊算法。这一算法用模糊的聚类代替严格的分类,通过对隶属函数类型和个数的定义区分图像的背景、轮廓和细节部分;决策的规则采用简单的模糊推理法则,可以提高融合规则的适应性。仿真利用matlab的模糊逻辑工具箱进行,通过对隶属函数和规则的调整得到最佳的融合图像。又结合神经网络得到一种模糊神经网络方法,综合利用神经网络的学习能力和模糊逻辑方法的推理决策能力,用一种基于最小二乘法和后向传播梯度下降法结合的方法来训练隶属度函数,再将训练后的数据用于模糊推理。通过仿真验证了算法的有效性。 论文最后对小波变换融合方法和智能型方法进行了比较和评析,总结了两种方法各自的优点和缺点,并对医学图像融合将来的发展趋势和方向进行了预测和展望。