医学图像融合是利用某种方法将多张不同模态的医学图像合成为一张图像并最大限度地保留输入图像重要信息的过程,其目的是为医生提供更加准确的病灶信息,本文重点研究像素级多尺度医学图像融合方法。像素级多尺度医学图像融合方法主要包含三部分:图像分解与重构、图像融合规则和图像评价指标。针对已有医学图像融合方法在图像分解与重构和图像融合规则两个方面的问题,本文提出四种新的像素级多尺度医学图像融合方法。针对医学图像融合方法时间复杂度高和噪声问题,提出一种两尺度本征图像分解的MRI-PET融合方法。该方法的主要特点在于快速的空域图像分解与重构。该方法首先利用视网膜皮层理论对MRI进行两尺度本征图像分解,并利用灰度世界理论对PET进行两尺度本征图像分解。这种两尺度分解方法能够降低输入图像的噪声。在融合阶段,采用三种不同的方法:主元分析法、图像系数重要程度法和颜色空间变换法来得到融合图像。实验结果表明,两尺度本征图像分解的融合方法能够恢复图像本身的信息,从而减少图像的噪声。针对传统结构张量融合方法中图像亮度信息丢失和色彩失真的问题,提出一种三尺度结构张量的MRI-PET和MRI-SPECT融合方法。该方法利用结构张量对图像进行空域上的分解与重构,首先利用结构张量对灰度图像MRI进行三尺度分解,然后利用彩色结构张量对伪彩色图像PET/SPECT进行三尺度分解避免色彩失真。在融合阶段,利用绝对值最大方法来处理含有平滑信息的图像,利用空间频率法来处理含有细节、亮度信息的图像。实验结果表明,三尺度结构张量的融合方法能够同时保留解剖医学图像MRI和功能医学图像PET/SPECT的亮度信息。针对拉普拉斯金字塔融合方法中图像边缘效应的问题,提出一种多方向特征的MRI-CT、MRI-PET和MRI-SPECT融合方法。该方法将多方向特征用于拉普拉斯金字塔后的残差子带图像的融合规则,首先利用拉普拉斯金字塔将输入图像分解为残差子带图像和基底子带图像。在融合阶段,利用仿射变换获得残差子带图像的多方向信息,然后采用轮廓特征和对比度特征进行图像增强。实验结果表明,该方法得到的融合图像具有高对比度、边缘信息清晰并消除图像的块效应。针对局部极值滤波融合方法中图像边缘效应和色彩失真的问题,提出一种多显著性特征的MRI-CT和MRI-PET融合方法。该方法用于局部极值滤波分解后的平滑图像和细节图像的融合规则,首先利用局部极值滤波将输入图像分解为不同尺度的图像集。在融合阶段,边缘显著性特征作为MRI/CT的平滑图像的融合规则,而色彩显著性特征作为PET的细节图像的融合规则。实验结果表明,边缘显著性特征能去除图像的边缘效应,色彩显著性特征能解决图像的色彩失真问题。