馮晶晶 樊亞云 邢瑞芳

【摘 要】首先給出了多分辨分析、兩尺度函數(shù)的基本概念，并討論了多分辨分析、兩尺度函數(shù)的相關(guān)性質(zhì)，為多尺度分析提供了一定的理論基礎(chǔ)。在此基礎(chǔ)上，利用小波的時(shí)頻局部性及Randon變換的一些性質(zhì)，將源圖像分解為一系列的子圖像，再將分解后的子圖像按照融合規(guī)則重構(gòu)成一幅融合圖像。最后給出了為達(dá)到一定逼近精度的誤差界限。

【關(guān)鍵詞】多尺度;圖像融合;小波分析;傅里葉變換

中圖分類號(hào)： O29文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）07-0213-003

DOI：10.19694/j.cnki.issn2095-2457.2019.07.087

【Abstract】Firstly，the basic concepts of multi-resolution analysis and two-scale function are given，and the related properties of multi-resolution analysis and two-scale function are discussed，which provides a theoretical basis for multi-scale analysis.Based on it，the source image is decomposed into a series of sub-images by using the time-frequency locality of wavelet and some properties of Randon transform，and then the decomposed sub-images are reconstructed into a fusion image according to the fusion rules.Finally，the error bounds are given to achieve a certain approximation accuracy.

【Key words】Multiscale;Image fusion;Wavelet analysis;Fourier transform

小波變換[1-5]由于超越了傅里葉變換的諸多優(yōu)點(diǎn)，被廣泛應(yīng)用到圖像處理的各個(gè)領(lǐng)域。但是，由于小波變換只能反映信號(hào)的零維奇異性，即只能表達(dá)奇異點(diǎn)的位置和特性，卻不能有效表示二維圖像中具有多方向性的邊緣和紋理等幾何特性。因此，小波基并不是最優(yōu)的圖像表示方法[6-8]。為了尋找最優(yōu)的圖像表示方法， 更加有效地表示和處理圖像等高維空間數(shù)據(jù)，一門嶄新的信號(hào)分析工具——多尺度幾何分析被提出來并迅速成為當(dāng)前研究的熱點(diǎn)，它能滿足上述圖像有效表示的所有條件，在圖像分析中獲得了較大成功，體現(xiàn)出了一定的優(yōu)勢(shì)和潛力。

在醫(yī)學(xué)圖像領(lǐng)域，根據(jù)不同的診斷部位和診斷要求，出現(xiàn)了多種醫(yī)學(xué)影像成像系統(tǒng)，不同的成像系統(tǒng)可以提供不同的醫(yī)學(xué)信息。CT與MRI融合圖像既具有CT影像的空間分辨率高、幾何特征明顯，對(duì)骨骼、鈣化等硬組織顯示清晰的優(yōu)點(diǎn)又具有MRI影像對(duì)軟組織、器官、血管等顯示清晰，有利于實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域病理狀況更加準(zhǔn)確地診斷。對(duì)于基于多尺度分析的醫(yī)學(xué)圖像融合，從醫(yī)學(xué)影像設(shè)備中獲取的圖像中提取醫(yī)學(xué)信息的質(zhì)量與所采用的信息分解和重構(gòu)的方法密切相關(guān)?；诙喑叨确纸獾尼t(yī)學(xué)圖像融合方法主要特征就是將源圖像分解為一系列的子圖像，再將分解后的子圖像按照融合規(guī)則重構(gòu)成一幅融合圖像。

1 多尺度分析理論

上述討論的算法可以大大地減少為獲得很好的局部圖像所需要的曝光射線。醫(yī)學(xué)圖像融合在醫(yī)學(xué)圖像分析和診斷上具有重要的應(yīng)用價(jià)值。本文利用小波的時(shí)頻局部性及Randon變換的一些性質(zhì)，以確定抽取的局部信息使獲得圖像可靠的重構(gòu)，并給出了為達(dá)到一定逼近精度的誤差界限。這樣，可以很好地保留了源圖像的邊緣及細(xì)節(jié)信息，從而有效提高疾病診斷的準(zhǔn)確性和正確性。

【參考文獻(xiàn)】

[1]程正興，林勇平.小波分析在圖像處理中的應(yīng)用[J].工程數(shù)學(xué)學(xué)報(bào)，2001，18（小波?？?7-86.

[2]程正興.小波分析算法與應(yīng)用[M].西安：西安交通大學(xué)出版社，1998.

[3]Do M N and Vetterli M.Wavelet based texture retrieval using generalized Gaussian density and Kullback-Leibler distance[J].IEEE Trans on Image Processing，2002，11（2）：146-158.

[4]王珂，歐陽寧.小波分析在多聚焦圖像融合中的應(yīng)用[J].電光與控制，2008，15（3）：64-67.

[5]劉濤，石智.基于小波變換的圖像復(fù)合加密新算法[J].計(jì)算機(jī)仿真，2011，28（12）：256-259.

[6]王俊平，陸俊仁，柏逢明.基于提升小波和紋理塊的圖像自適應(yīng)水印算法[J].計(jì)算機(jī)仿真，2009，26（12）：107-110.

[7]石智，張卓，岳彥剛.基于Shearlet變換的自適應(yīng)圖像融合算法[J].光子學(xué)報(bào)，2013，42（1）：115-120.

[8]常華文，陳春香.基于HSV變換與小波變換的遙感圖像融合[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，28（23）：5682-5684.