胡俊峰 唐鹤云 钱建生（徐州医学院医学影像学院，徐州 006）

2（中国矿业大学信息与电气工程学院，徐州 221008）

引言

不同模态的医学图像都有各自的优缺点，如果通过图像融合技术将不同成像方式的互补信息综合在一起，就能为医学诊断和治疗提供更加充分有效的信息依据［1-3］。如何将这些表现细节信息不同的图像数据转化为更丰富和清晰的信息，就成为医学图像融合所要解决的关键问题。医学图像融合不仅广泛用于疾病诊断，而且在外科手术和放射治疗等的计划设计、方案实施以及疗效评估方面发挥着重要作用。

近年来，小波变换由于其多分辨率、时频局部等特性，被广泛应用于图像处理领域，并且成为图像融合领域的重要算法。小波变换［4］能够聚焦到分析对象的任意细节（即“变聚焦”特性），因此被人们誉为“数学显微镜”，并在信号处理、图像处理、模式识别、语音识别等众多非线性科学领域得到了成功的应用［5-6］。

基于小波变换的融合算法研究已经取得了很大进展，但每一种算法都只针对个别问题，普遍适用性算法的研究很少。现在大多数算法都是基于多聚焦图像提出的，没有考虑到医学图像灰度分布与多聚焦图像的不同。由于医学图像灰度分布不均匀，主要信息集中在低频部分，即使病变部位突变信息也不明显，需要重点考虑低频融合规则。文中介绍了小波变换的基本理论，以CT和MRI灰度图像为主要研究对象，通过调整低频和高频融合规则，在像素级上深入对比分析了各种融合规则对融合结果的影响。……