基于小波变换的脑部MR与PET医学图像融合系统

资 源 简 介

该项目致力于实现多模态医学影像的高效整合，通过将具有高空间分辨率的脑部磁共振图像（MR）与反映功能代谢信息的伪彩色正电子发射断层图像（PET）进行融合，从而为医疗诊断提供更全面、直观的决策支持。系统核心采用二维离散小波变换技术，将源图像分解到不同的频域子带。对于包含图像轮廓信息的低频分量，系统应用加权平均融合规则，以平衡两幅图像的整体能量分布，确保合成后的背景平稳且自然；对于包含纹理、边缘和细节的高频分量，系统采用了精密的3x3区域标准差算法，通过计算局部窗口内的统计特性来选取包含更多显著特征的像素，最大

详 情 说 明

基于小波变换的脑部MR与伪彩色PET医学图像融合系统

项目介绍

该项目是一款专门针对脑部多模态医学影像设计的图像融合系统。其主要目标是将具有高空间分辨率、能够清晰显示解剖结构的磁共振图像（MR）与反映病灶代谢水平、以伪彩色显示的对比度较高的正电子发射断层图像（PET）进行有效整合。通过这种融合技术，系统能够在单一图像中同时保留精确的骨骼/组织边界信息与生理功能代谢信息，为医生在神经系统疾病的临床诊断、病灶定位及放射治疗规划中提供直观、精准的决策辅助。

功能特性

1. 多模态精准对齐：通过YCbCr颜色空间转换技术，实现灰度图像（MR）与彩色图像（PET）的高效融合，在增强结构细节的同时完美保留PET的功能色彩。
2. 多尺度分解：采用二维离散小波变换（DWT）技术，将医学影像解耦为多层级的频域分量，实现对宏观轮廓和微观细节的分类处理。
3. 差异化融合策略：针对不同频率特性的信息流，系统分别应用加权平均与区域统计能量算法，极大程度减少了噪声干扰与伪影产生。
4. 自动化性能评估：内置了一套完善的客观评价体系，能够自动计算信息熵、峰值信噪比等专业指标，量化融合质量。
5. 直观的可视化界面：系统通过多窗口联动展示源图像、分解系数、合成亮度通道及最终融合结果，并附带详细的评估报告。

使用方法

1. 启动环境：打开MATLAB软件，并将包含本系统代码的项目文件夹设置为当前工作路径。
2. 运行系统：执行核心处理脚本程序。系统将自动生成模拟的脑部结构MR图像（带有微量细节噪声）和包含功能热点的PET图像（基于热图颜色集）。
3. 自动计算：系统将自动执行小波分解、系数融合、逆变换重构以及各性能指标的统计分析。
4. 结果查看：程序运行结束后，将自动弹出可视化窗口。左侧展示源图像，中间展示融合后的彩色结果与小波分解层级，右侧则实时打印融合精度报告。

系统实现逻辑

核心执行程序严格遵循以下逻辑步骤：

1. 数据准备与预处理：

系统首先通过数学模型生成模拟的医学影像。MR图像采用Shepp-Logan模型模拟脑部结构，并增加高斯噪声以模拟真实成像环境。PET图像通过指数函数构建局部代谢高信号区域。 为了融合彩色信息，系统将PET图像从RGB空间转换至YCbCr空间。仅提取Y（亮度）分量进行后续的数学融合，而Cb（蓝色差）和Cr（红色差）分量被完整保留，用于最后的色彩还原。

1. 多尺度小波分解：

系统使用'db4'小波基函数对MR图像和PET的亮度分量进行3层二维离散小波分解。分解后图像被转化为一系列包含不同频率信息的系数组，包括低频近似系数和各层级的高频细节系数（水平、垂直、对角线方向）。

1. 频域系数融合规则：

针对低频系数（Low Frequency）：采用加权平均规则。通过设置均等的权重系数（各0.5），平衡MR的整体轮廓和PET的背景亮度，确保融合图像的基调平衡自然。 针对高频系数（High Frequency）：采用3x3区域标准差算法。通过滑动窗口计算每一个位置的局部统计特性。标准差越大表示该在该尺度下的纹理和边缘信息越丰富。系统会根据计算结果，从MR和PET中择优选取特征更显著的像素系数。

1. 图像重构与色彩整合：

利用融合后的小波系数执行二维小波逆变换（Inverse DWT），重构出新的亮度分量。接着将重构的亮度分量与原始PET的Cb、Cr分量重新组合，最后转换回RGB空间得到最终的融合图像。

关键算法与技术细节分析

1. 区域标准差算法（local_std3x3）：

这是系统保留图像细节的核心。该函数通过对子带图像进行边缘填充，并利用3x3的滑动窗口遍历所有像素，计算窗口内系数的标准差。这种方法比单纯的像素值比较更能捕捉到结构化的细节（如血管边缘和组织交界处）。

1. YCbCr 空间处理技术：

这是处理伪彩色融合的专业方案。由于PET图像是彩色而MR是灰度的，直接融合会导致严重的色彩畸变。系统通过锁定色度通道（Cb/Cr）并仅处理亮度通道（Y），成功实现了“结构增强+功能保留”的效果。

1. 评价指标体系：

系统集成了四种关键指标： 信息熵 (EN)：反映融合图像包含的信息丰富程度。 峰值信噪比 (PSNR)：以MR为结构参考，评估合成图像的保真度。 平均梯度 (AG)：量化图像的清晰度与细节表达能力。 标准差 (SD)：衡量图像对比度和信息量分布的广泛性。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 必要工具箱：图像处理工具箱 (Image Processing Toolbox)、小波工具箱 (Wavelet Toolbox)。
3. 硬件要求：具备基本图形显示能力的通用计算机，建议内存4GB以上。