多模态医学图像融合在医学图像的分析和诊断上具有极为重要的应用价值。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,配准的精确度直接影响配准的效果。医学图像配准与融合的目的是将同一或不同研究对象获得的相同模态或不同模态的图像在空间位置上对齐,并将不同图像中的有用信息集成到一幅图像中,以便能够更加准确的加以判断,或改善单一成像系统所形成的图像质量,以利于疾病的诊断、治疗及术后评价研究。本课题以多模态头部图像为研究对象,对其预处理方法、亚像素边缘的提取、配准方法及融合方法进行了深入而系统的研究。 论文首先论述了本课题的研究目的与意义,接着对医学图像配准和融合方法以及相关技术进行了深入的研究和分析,最后分别对图像预处理、亚像素边缘提取、基于边缘特征的头部图像配准及头部图像融合四个模块进行了详细的理论分析和实验仿真验证。 在预处理模块,由于获取的图像数据格式不同,所以需要进行数据转换。为了处理方便将数据进行了归一化处理。 边缘是图像中的基本特征,它是图像配准方法的基础,因此边缘提取在基于边缘特征的医学图像配准中起着重要的作用。传统的图像配准所用的边缘多是像素级的,提取精度不高,从而导致配准的精度不高。本论文通过将像素级算子与Zernike矩算子相结合,很好地实现了图像的亚像素边缘提取,不仅提高了提取的精度,而且提高了提取速度,为进一步的图像处理打下了良好的基础。该方法也正是本论文的创新点之一(已发论文《一种快速医学图像亚像素边缘检测方法》)。 在边缘提取的基础上,本论文利用奇异值分解—最近点迭代(SVD-ICP)算法对多模态头部图像进行了配准,并且通过实验验证了该算法的准确性和有效性。 最后,本论文利用阈值,局部傅立叶变换及小波变换模极大值等几种融合算法对配准后的头部图像进行了融合,实验结果表明小波变换模极大值得到的图像清晰度较高,定位性能较好,更能突出不同模态图像中的有用信息。