医学图像信息融合是当代信息科学、计算机与医学影像科学相交叉的一个研究课题,它是医学图像处理学科的一个新的研究热点。作为医学图像融合的基础,医学图像的配准有着非常重要的意义,它是图像融合的第一步,配准的精度直接影响着融合的效果。 本文从二维医学图像的刚性变换出发,研究了基于互信息的多模态医学图像配准方法。互信息法是把信息论中的互信息作为衡量两幅图像配准的相似性测度函数,当两幅图像配准时,互信息达到最大值。该方法人工干预少,只依赖于图像本身的信息,不需要任何假设或先验医学知识,也不需要对图像进行特征点提取、组织分类等预处理。在寻找最优的旋转和平移参数时,采用了无需计算梯度的Powell直接搜索算法和Brent算法。为了提高配准的速度和精度,本文提出了基于上角的插值技术,并通过多分辨的方式进一步加快配准速度。计算机断层扫描成像CT和核磁共振MRI的配准实验证明,互信息法能准确地实现多模态医学图像的配准,并且能达到亚象素的精度。 对配准后的CT和MRI 图像,本文采用了基于像素为基础的空间结构融合方法和基于小波变换的多分辨率分析方法实现了CT和MRI图像的融合。空间结构融合方法是按照不同的空间位置,将CT和MRI图像的各自的一部分组合在一张图像上。图像本身没有新的灰度级的增加,只是在一幅图像中共存了两种性质的图像。小波变换除了具有传统的傅立叶变换的优点外,还能更加有效地描述图像在时域和频域上的局部特征。它将原始图像分解成一系列具有不同空间分辨率和频率特性的子图像,这些子图像反映了原始图像的局部变化特征,为图像融合提供了有利条件。本文采用基于小波变换的多分辨率分析实现了CT、MRI图像的信息融合,融合效果好。