改進(jìn)耦合字典學(xué)習(xí)的腦部DT/MR圖像融合

　　針對(duì)目前使用單字典表示腦部醫(yī)學(xué)圖像難以得到精確的稀疏表示進(jìn)而導(dǎo)致圖像融合效果欠佳，以及字典訓(xùn)練時(shí)間過(guò)長(zhǎng)的問題，提出了一種改進(jìn)耦合字典學(xué)習(xí)的腦部計(jì)算機(jī)斷層成像（ CT）/磁共振成像（MR）圖像融合方法。該方法首先將CT和MR圖像對(duì)作為訓(xùn)練集，使用改進(jìn)的K奇異值分解（K-SVD）算法聯(lián)合訓(xùn)練分別得到耦合的CT字典和MR字典，再將CT和MR字典中的原予作為訓(xùn)練圖像的特征，并使用信息熵計(jì)算字典原予的特征指標(biāo)；然后，將特征指標(biāo)相差較小的原子看作公共特征，其余為各自特征，并分別使用“平均”和“選擇最大”的規(guī)則融合CT和MR字典的公共特征和各自特征得到融合字典；其次，將配準(zhǔn)的源圖像編纂成列向量并去除均值，在融合字典的作用下由系數(shù)重用正交匹配追蹤（CoefROMP）算法計(jì)算得到精確的稀疏表示系數(shù)，再分別使用“2范數(shù)最大”和“加權(quán)平均”的規(guī)則融合稀疏表示系數(shù)和均值向量；最后通過(guò)重建得到融合圖像。實(shí)驗(yàn)結(jié)果表明，相對(duì)于3種基于多尺度變換的方法和3種基于稀疏表示的方法，所提方法融合后圖像在亮度、清晰度和對(duì)比度上都更優(yōu)，客觀參數(shù)互信息、基于梯度、基于相位一致和基于通用圖像質(zhì)量指標(biāo)在三組實(shí)驗(yàn)條件下的均值分別力：4. 113 3、0.7131、0.463 6和0.7625，字典學(xué)習(xí)在10次實(shí)驗(yàn)條件下所消耗的平均時(shí)間為5. 96 min。該方法可以應(yīng)用于臨床診斷和輔助治療。