医学影像作为医学诊断的重要判断依据,保证图像信息的丰富度和清晰度至关重要。但单模态的医学影像表现内容单一,而融合图像包含多模态的图像信息,在临床实际操作中具有可行性,为医学诊断提供了更加可靠的依据。随着医学诊断要求的提高,医学图像融合效果符合人类视觉感知、减少先验知识对融合效果的影响和增强细节表现力是需要努力的方向。针对传统医学图像融合中图像存在伪影,且需要依靠先验知识手动设置融合规则和参数,导致融合效果存在不确定性、细节表现力不足的问题,本文从以下几方面进行了研究和改进:(1)提出基于拉普拉斯金字塔和卷积神经网络的医学图像融合方法,首先,将源图像分别输入区域拉普拉斯金字塔进行分解;然后,对卷积神经网络进行改进,将基于经验风险最小化的评价指标替换为基于结构风险最小化,通过步长为2的标准卷积层进行降维,采用改进的卷积神经网络通过不断迭代,生成最优权重图指导融合过程,通过实验确定最佳迭代次数;最后通过区域拉普拉斯金字塔的逆过程生成融合图像。通过仿真实验验证,该算法不仅在参数自适应方面取得良好的改进,并且在主观视觉和客观评价指标上都取得了良好的融合效果,在实际的应用中具有可行性。(2)提出基于改进生成对抗网络的医学图像融合方法,首先,对生成器和判别器两个部分的网络结构进行改进,在设计生成器网络中采用残差块和快捷连接加深网络结构,更好的捕获深层次的图像信息,同时去掉常规网络中的下采样层,以减少图像传输过程中信息损失,并将批量归一化改为层归一化,以达到更好的保留源图像信息的目的;增加判别器网络的深度以提高网络性能。然后,连接CT图像和MR图像,将其输入到生成器网络中得到融合图像,通过损失函数不断优化网络参数,训练出最适合医学图像融合的模型,生成高质量的图像。通过仿真实验验证,该算法在互信息、信息熵、结构相似性上均表现良好,最终的融合图像纹理和细节丰富,同时避免了人为因素对融合效果稳定性的影响,在运行时间上也没有明显差距,达到了有效、可靠的实际应用。(3)构建了医学图像融合系统,使图像融合算法具有可行性和可操作性,该系统主要包含不同重构方法比较、基于LLP-CNN融合方法比较、基于Res-GAN融合方法比较三个模块。其中不同重构方法比较模块对本文涉及到的四种表现优秀的图像分解重构算法进行了展示;基于LLP-CNN融合方法比较模块中展示了基于拉普拉斯金字塔和卷积神经网络的医学图像融合算法和其对比算法的融合效果图及一些评价指标的计算值;基于Res-GAN融合方法比较模块中展示了基于残差块和改进生成对抗网络的图像融合算法和其对比算法的融合效果图及一些评价指标的计算值。