医学成像技术的发展为临床诊断提供了直观的图像依据,现已得到了广泛的应用。然而单一模态的医学影像往往不能提供更加全面的医学信息,如何将多模态医学成像信息高效融合,获得更加全面、准确、快速的临床诊断图像,就成了一项急需解决的问题。为了提高图像的清晰度,改善图像的视觉效果,本文提出了一种基于梯度域的医学图像增强技术,并在此基础上结合拉普拉斯多尺度分解方案,设计出一种基于图像梯度提升的多尺度医学图像融合算法。主要研究工作如下:1)简要介绍了图像处理的背景知识及研究意义。从图像融合的角度对融合算法及评价方法进行说明,指出医学图像的特点及研究意义。文章最后介绍了图像增强算法和多尺度融合算法,并指出了算法的优缺点及改进方向。2)针对医学融合图像对图像对比度和图像纹理要求较高的情况,本文提出了一种全新的基于梯度提升的图像增强算法。对输入的医学图像首先进行图像对比度和图像纹理轮廓的特征提取,通过对特征信息的详细分析分别提出了针对图像细节区域和边缘区域的两种参考函数。然后,在充分分析了参考函数间的相关性后再次提出了自适应加权系数用来作为梯度映射的一个重要参考量。最后,把梯度系数与原始图像相乘获得增强图像。由于本文提出的梯度提升算法对图像纹理轮廓比较敏感对图像噪声不敏感,因此该算法在改善图像对比度和纹理轮廓的同时能够有效的抑制图像噪声,从而获得更加清晰的增强图像。3)文章提出了一种基于梯度域的多尺度医学图像融合算法。首先,通过拉普拉斯金字塔分解方案,获得多尺度的残差子带图像(RSI)和基底子带图像(BSI)。然后,对分解后的RSI图像和BSI图像分别采用:基于兴趣信息的图像融合规则和基于局部能量最大值方案的融合规则。最后,通过拉普拉斯金字塔逆运算过程重建融合图像。融合结果改善了图像纹理轮廓的同时增强了图像对比度,使得融合图像更加清晰。与多种融合方法进行比较,从主观观察与客观指标两个方面均表明了所提方法的优越性。