全文总字数：5037字

1. 研究目的与意义及国内外研究现状

近年来医学图像融合由于是机器视觉的重要组成部分而引起了很多关注。在医学诊断的领域，x射线的发现促进了图像处理技术的使用。由此发现能够在不损坏组织结构的前提下，全面地来展现组织结构的解剖状态，便于医生诊断，从而改变了传统的诊疗方法，病灶的定位和诊断的准确率得以大大地提高。医学图像融合是应用于医疗仪器与测量领域诊断及治疗领域的重要技术。 由于医学影像技术的快速发展，市场上出现了多种医学成像设备，其中主要包括电子计算机断层扫描（ct）、磁共振（mri）。通过采用不同的成像设备而采集的医学图像是能够用于反映组织结构的不同的病灶信息的。例如，计算机断层扫描（ct）图像反映的是人体组织的x线吸收系数，提供了关于密集结构的最佳信息，并具有较少的失真，骨骼成像清晰，但它无法检测生理变化。由于人体的氢原子核可以发生共振，因此mri图像能够更为详细地描述人体的软组织结构，它反映的是人体组织的质子密度，软组织成像清晰。所以，在ct图像与mri图像之间存在着互补的关系，把两者进行融合得到得到的医学图像信息量更加丰富。

医学图像融合的目的在于将来自于多模态医学图像的信息进行整合，来更完整和准确地描述同一对象。由此可见通过将各种医学图像的信息有机地结合，来完成多模式的医学图像融合,不但能够进行优势互补，新的有价值的信息也能得以发现，从而使更加充分有效的信息被应用到医学诊断与治疗。

2. 研究的基本内容

本课题在两种强大的图像表示理论的互补优势的基础上，提出了一种更加新颖的医学图像融合方法：由非下采样轮廓波变换（nsct）、稀疏表示（sr）与耦合神经网络（pcnn）三种方法相结合。本文提出的融合算法中，开始先对每一个预先登记的源图像执行nsct以获得低频和高频系数。然后，将低频带与基于稀疏表示的融合方法合并，并且通过pcnn神经元系统来实现信号高频子带的自适应融合。最后，通过对合并系数执行nsct逆变换来获得融合图像，同时使用具有不同模态组合的几组医学源图像来测试所提出方法的有效性。

本课题的主要研究的内容是基于稀疏编码的图像融合技术。在深入学习了稀疏编码理论与若干相关图像融合的关键方法以后，从以下几个关键性的方面进行了深入研究：

第一，深入分析了nsct变换与sr模型的缺陷。

3. 实施方案、进度安排及预期效果

实施方案：

本文设计应用于医学图像的图像融合技术，采用结合稀疏表示和nsct-pcnn的图像融合方法来进行实现。低频子带融合根据k-svd的冗余字典选用正交匹配追踪（omp）求解低频子带系数，同时根据范数值设计了3种融合规则。高频子带融合根据pcnn模型特性，设计了以空间频率为输入，标准差为链接强度值来获取点火图，同时设计了加权函数来获取新点火图。再将融合后的低频子带系数和高频子带系数，通过nsct逆变换重构出融合图像。

进度安排：

4. 参考文献

[1] do m n, vetterli m. contourlets: a new directional multiresolution image representation[c] signals, systems and computers, 2002. conference record of the thirty-sixth asilomar conference on. ieee, 2003,1(1):497-501.

[2] cunha a l d, zhou j, do m n. the nonsubsampled contourlet transform: theory, design, and applications[j]. ieee transactions on image processing a publication of the ieee signal processing society, 2006, 15(10):3089-3101.

[3] 张强,郭宝龙.基于非采样contourlet变换多传感器图像融合算法[j].自动化学报, 2008, 34 (2) :135-141.