醫學超聲影像中的圖像融合應用

摘要：醫學圖像融合的過程可以分為兩個步驟：圖像在空間域的配準和融合圖像的創建。圖像配準是圖像融合的先決條件，圖像配準精度的高低直接決定著融合結果的質量。小波變換理論將醫學超聲諧波圖像跟基波圖像進行有機結合，完成了這一過渡性研究，從而可以得到更為清晰的醫學超聲影像。小波變換理論主要是針對靜態圖像的，而對于實時超聲動態圖像的結合方法研究將是當前與未來一段時間的主要研究方向。其主要問題在于動態圖像的實時性，如何清晰顯示該圖像的每一刻動態是人們關注的重點，也是該技術發展的主要內容。

關鍵詞：醫學超聲影像；圖像融合；應用前景

1 引言

數據融合（data fusion）是20世紀80年代逐漸形成與發展起來的數據自動化綜合處理技術，其主要是依靠傳感器對信息進行收集與整理，再通過計算機對收集的數據進行有效整理結合，從而以數字或者圖像方法顯示出來的一種技術。圖像融合（image fusion）是將數據與相關處理技術進行融合的一項技術，從目前圖像融合處理方法來將，其主要是根據不同探測器收集的圖像信息進行整理與合并，從而得到一幅完整的圖片或者是相關場景。圖像融合技術的主要目的是通過對探測器收集的多幅圖片中的冗余數據進行處理，從多幅圖像中合并可靠性高的圖像，從而提升呈現圖像的可靠性與清晰度，對原始圖像進行放大或者細致處理均可。圖像融合從數據處理方面可以說是數據融合的延伸與發展，或者是分支，在圖像融合中應用到了數據融合的基礎方法，同時也根據圖像融合的特異性開發出了新的圖像處理方法。本研究中就采用小波變換方法來專門針對醫學領域超聲圖像進行有機融合。實驗所用圖像經過預處理（濾波，對準），圖1為基波圖像，圖2為二次諧波圖像。

2 小波變換理論下的圖像融合

醫學圖像融合的過程從圖像融合過程來講，可以分為2個主要步驟：①圖像的配準；②圖像的創建。在2個步驟中，第一步驟是第二步驟的前提與基礎，圖像配準精度如何直接決定了整個圖像融合質量的高低。在20世紀90年代發展至今，隨著技術的不斷發展與進步，圖像配準相關研究也日益加深，不論是國外還是國內的學者都針對圖像配準做出了具有代表性的貢獻。Van den Elsen等人在1993年就針對醫學圖像的配準方法進行詳盡分類，并做出了具體具有7個分類的標準[5]。目前對醫學圖像的融合方法大部分都是從變換域上的圖像編碼與壓縮技術發展演變而來，其融合步驟大致可以分為以下4個步驟：①把源圖像具有針對性變換到相應變換域上；②在變換域上進行設定選擇特征；③根據預先設定的規則創建融合圖像；④逆變換重建融合圖像。

小波變換在空間與頻率域上都存在一定的局域性，因此能夠對圖像信息進行多元化的細化分析。目前關于小波變換方面的研究已經屢見不鮮，但是大部分的研究都局限于已有成果：熱圖像與可視圖像兩個方面，而對于其他方面則鮮有報道。小波變換技術應用于圖像融合中有以下優點：①經小波分解后的圖像，在不同分辨率的細節信息之間是互相不影響的，這樣就可以將不同頻率范圍的信號進行有機組合，根據不同組合會產生不同的融合圖像；②經過小波分解后的圖像在不同分辨率上的能量與噪聲之間也不會相互干擾，大大提升圖像融合效率與質量；③經小波分解后的融合圖像上面的塊狀偽影比較容易消除，不會遺漏任何影響圖像質量的瑕疵。整個小波變換圖像融合過程如下圖所示：

從上結構圖我們可以看出，在小波融合圖像過程追蹤，整個融合的規則占據著十分重要的位置。當在建立融合圖像的每個小波系數時，我們都應該確定好哪幅源圖的小波系數對融合更為有效，同時將這個系數進行有效保留并存入融合決策圖中。當前較為常用的融合規則有以下2種：①基于像素的融合規則；②基于窗口的融合規則。其中基于像素的融合規則主要是針對不同源圖與位置之間的小波系數進行考慮，其應用技術主要為：交叉像素選擇法（從具體的源圖中小波系數矩陣里面相應位置來選取最大的小波系數作為融合的小波系數，再將選好的小波系數進行逆變，從而獲得相應融合圖像）。這種處理方法主要要求在于圖像的邊緣敏感性，對圖像要求較為嚴格，一旦圖像邊緣相差過大，那么獲得的融合圖像則不能正常使用。基于窗口的融合規則相對于上一種規則則考慮到了相鄰的小波系數，將相應位置的小波系數與相鄰小波系數都納入到考慮范圍內。如以3×3窗口劃分，再確定融合相應位置的小波系數，這種方法不但考慮了圖像像素還考慮到了與它相鄰像素的相關性，因此，總結起來講：基于窗口的融合規則實質是降低了對邊緣的敏感性，擴大了選擇性，因此該方法的難點就在于如何選擇窗口。在這一過程中我們可以將圖像當做是由不同灰度等級的區域來構成的，而每個物體邊緣都存在一定的特異性，不完全相同。邊緣是圖像基礎特征之一，其包含了有價值的目標邊界信息，我們在處理過程中只需要通過邊緣就能夠對圖像進行相關的定位、識別與濾波等等操作。在這樣的理論下，我們可以先提取出源圖的邊緣并將其設定為固定參照物，以參照物為標準，圍繞相關圖像建立融合3×3窗口，再結合區域內的圖像信息就能夠完成這一操作。目前關于邊緣的提取與檢測方法較多，其中灰度閾值法所提取的邊界是較為粗糙的，同時對圖像的閾值進行選取也存在很大難度，該方法不能滿足圖像融合中對邊緣提取的基本要求；而邊緣算子使用方法較為成熟與頻繁，在眾多的邊緣算子中，CANNY對噪聲具有不敏感性，同時具有一定針對性，能夠針對弱邊界體現出優越性能。所以，我們可以先用CANNY算子來對源圖的LL子矩陣邊緣進行提取，該提取結果不但可以提供源圖中的位置還增強了邊緣信息，然后再用該邊緣信息產生區域段，產生區域圖（區域圖值的不同表示不同的區域）。然后將小波系數表中的高頻部分平均，從而生成不同區域的活動等級，這樣我們可以得到更多的區域信息，如此，就能夠生成整個區域的活動表。活動表中較大的活動值代表了區域間較多的信息，活動值較小則說明該區域間信息較少，這樣就能夠根據邊緣與區域圖和區域活動表使用融合規則來進行計算：①高活動等級優于低活動等級；②邊緣的像素點優于非邊緣像素點；③小區域優于大區域。需要注意的一點為，在確定邊緣點的過程中要優先考慮邊界點，再考慮其相關的像素點，從而避免決策圖中出現孤立點。

3 融合結果

根據以上所述對諧波圖像與基波圖像進行融合處理，結果如下圖所示：

在常規的圖像處理過程中，我們常常要將得到的新圖像與源圖進行對比，從而發現優點，查看圖像是否存在質量變化。我們對比2張圖像的常用方法有：峰值信噪比PSNR，圖像融合技術是目前應用較為新穎的圖像處理方法，因此可以通過PSNR來確定處理前后圖像是否存在質量方面的差異，從而判斷技術的優劣性。

由于圖像融合是將幾幅不同的圖像經處理后得到一幅包含源圖像中各個細節的圖像，因此該過程需要對2張源圖與融合后圖像進行PSNR計算（計算結果見表1）。處理結果表明基于區域的融合的方法是較為陷阱的，是有效的，對圖像質量的提高有實質性的幫助意義。

4 結論

本研究中就從小波變換理論為著手點來研究其在醫學超聲諧波圖像與基波圖像之間的融合，從而得到了較前2者更為清晰的圖像。小波變換理論主要是針對靜態圖像的，而對于實時超聲動態圖像的結合方法研究將是當前與未來一段時間的主要研究方向。其主要問題在于動態圖像的實時性，如何清晰顯示該圖像的每一刻動態是人們關注的重點，也是該技術發展的主要內容。

參考文獻：

[1]石帥鋒.非剛性配準方法研究及在超聲圖像上的應用[D].東南大學，2012.

[2]劉貴棟，沈毅，王艷，等.圖像融合在醫學超聲影像中的應用[J].儀器儀表學報，2005，26（8）：838-840.

編輯/哈濤