随着电子科学发展,微处理器、硬件和计算机设备等更新换代,医学影像技术取得了巨大发展,并逐步有效辅助临床诊断。不同的成像技术产生不同模态的人体医学图像,然而单一模态的医学图像只能片面、局限地显示诊断目标或周围组织,导致医护人员无法完整地提取必要医学信息,为了解决这一难题,多模态医学图像融合技术应运而生。该技术将两种或者多种模态的图像进行提取与整合,使得同一目标不同模态进行信息互补、冗余消除,能够为临床医学对病灶诊断提供更直观、更全面、更准确的可靠依据。本文针对多模态医学图像的特点及多尺度变换的图像特征,致力基于多尺度分析的医学图像融合算法研究,主要研究工作如下:1)针对人类视觉系统,提出了一种基于人眼视觉特性与自适应PCNN的医学图像融合新方法。首先,对经配准的源图像进行非下采样Contourlet变换(NSCT),得到低频、高频子带系数。然后,由于低频子带系数中保留了绝大部分源图像能量和图像轮廓特征,提出区域能量(RE)和梯度奇异值度量(GSVM)相结合的方法;考虑到图像全局特征问题,将脉冲耦合神经网络(PCNN)用于高频子带系数中,提出区域视觉对比度和(SLVC)模拟人眼视觉特性作为PCNN的外部刺激输入,设定PCNN的链接强度随视觉对比敏感度(VCS)自适应变化。最后,对获得的融合系数进行逆NSCT变换得到融合图像。2)结合多尺度变换的图像特征,提出了一种基于纹理特征与相关性结构信息的医学图像融合方法。首先,把源图像进行NSCT分解,获得高低频子带系数。然后,考虑人眼视觉对纹理特征的敏感性,提出局部差分计盒维数来统计图像的纹理信息;分析NSCT高频子带兄弟系数间及其父子系数间的强相关性,分别计算出系数间的结构相似度与邻域拉普拉斯能量和,作为高频子带系数间的广义相关性结构信息。再对低频提出Sigmoid函数自适应融合,对高频采用广义相关性结构信息取大法。最后进行逆NSCT变换得到融合图像。3)本文通过对灰度图像及彩色图像融合大量实验对比分析,实验结果表明本文的融合新方法保留了源图像更多的轮廓、纹理信息,细节特征更加显著突出,能更好的完整体现病灶部分,视觉效果更佳。从客观的图像质量评价指标对比,可看出本文提出的算法部分数据最好,综合评价数据良好,这表明该结果包含的信息大,更分散的灰度分布,边缘传递好,空间活跃度高。