当下,医学技术发展日新月异,人们对临床诊断技术的要求也越来越高。医学图像融合技术可以有效克服单一传感器图像的局限性和差异性,获取更为全面准确的图像信息,提高图像的清晰度,以便进一步进行图像的分析与处理,这对于临床医学诊断具有较大的研究意义与实用价值。图像融合技术初期主要应用于军事安全领域,可增强对目标的识别度,由于其具有诸多优势,所以近段时间以来,图像融合广泛应用于医学成像。医学图像融合技术为现代临床疾病诊断和手术治疗提供了强有力的技术支撑,大大便利了患者的病灶诊断。本文围绕医学图像融合算法,对其展开系统研究,具体工作如下:(1)为了解决融合后的医学图像时常存在细节纹理不够清晰的问题,本文提出一种新的基于非下采样剪切波变换(NSST)的医学图像融合算法,对多模态医学图像进行融合,增强细节结构提取的能力,提高图像融合质量,为医疗诊断提供依据。在融合步骤方面,首先,将已配准的源图像进行NSST分解,分解后可以得到低频子带和一系列高频子带;其次,提出利用局域标准差与局域平均能量的合成值进行低频子带之间选择的融合策略,对于高频子带系数,利用改进的拉普拉斯能量和(NSML)的方法进行融合;最后将融合后的低、高频子带进行NSST逆变换,得到融合后的医学影像。(2)当前大多数传统的多模态医学图像融合技术不能同时实现能量保存和细节提取而容易导致信息不足和细节模糊等等,本文提出一种基于参数自适应脉冲耦合神经网络(PCNN)的医学图像融合算法。首先,从标准库里取出经过配准的四种不同类型的源图像进行非下采样剪切波分解,得到多尺度多方向的低频子带系数和一系列高频子带系数;其次,采用参数自适应PCNN对高频子带进行融合,增强后的高频子带绝对值作为反馈输入自适应调节所有的PCNN参数。低频子带则采用改进的平均梯度与空间频率相结合的策略进行图像融合,可以同时做到能量保存与细节提取;最后,经NSST逆变换得到融合后的医学图像。(3)为检验图像融合算法的有效性与通用性,本文分别对多模态医学中灰度图像、彩色图像进行融合,并把融合后的图像和其他典型算法形成的图像作了全面深刻的比较,肉眼观察不难发现本文算法对于不同模态之间的医学图像可以起到很好的互补作用,使得图像细节信息更加丰富,对于边缘部位、纹理轮廓等信息显示更加清晰完整,视觉效果良好,可以为医生临床诊断带来举足轻重的作用;从客观角度定量分析图像质量,也不难看出,本文提出的算法在信息熵、边缘强度、标准差等指标值上占有优势,指标值普遍较好,这表明融合后的图像信息完整度、结构性较好,细节信息丰富全面,细节纹理清晰,可以为医学领域临床诊断带来实际意义与作用。