随着数字化影像技术的不断发展,图像融合技术被广泛应用到医学领域。彩色眼底图像与荧光造影眼底图像作为两种常见的眼底图像,它们对于病变以及组织信息的表达侧重点不同,为了获得更加综合、更加全面的眼底信息,需要对这两幅不同类型的眼底图像进行融合分析。由于待融合的两类眼底图像是同一个人的同一只眼睛在相同时期由不同眼底相机所拍摄,存在空间位置差异,所以在进行图像融合前需要先对图像进行配准。本文提出一种结合非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)和粒子群优化(Particle Swarm Optimization,PSO)脉冲耦合神经网络(Pulse coupled neural networks,PCNN)的眼底图像融合方法,包含以下两部分内容:(1)彩色眼底图像与荧光造影眼底图像的配准。首先对眼底图像进行SURF特征点检测,并依据血管轮廓相似这一特点生成特征描述符,采用最近邻与次近邻距离比值法实现特征点的初始匹配,利用RANSAC算法实现特征点的精细匹配,最后根据RANSAC算法得到的变换参数对浮动图像进行空间变换完成配准。(2)彩色眼底图像与荧光造影眼底图像的融合。对于配准后的两幅图像,针对眼底图像成像特性,提出一种结合NSCT和粒子群优化PCNN的眼底图像融合方法,首先对两幅不同类型眼底图像的RGB三个通道分别进行NSCT多尺度分解,每个通道经多尺度分解后得到一个低频子带和多个高频子带,低频子带代表图像的概貌,包含了图像的大部分能量;高频子带表现图像的细节,对纹理变化、对比度变化敏感。在每个通道内,对于低频子带,采用结合相位一致性和区域能量的方法进行融合;对于高频子带,以像素点邻域内的空间频率作为PCNN的外部激励,利用粒子群优化算法对PCNN简化模型进行优化,得到最优模型参数及最佳的融合结果。对三个通道内的融合结果进行NSCT逆变换,最后将它们合成最终的融合图像。本文的融合方法能有效融合两幅不同类型的眼底图像,融合结果综合了两类眼底图像的组织信息以及病变信息,同时融合图像的细节表现清晰。