张宝华，刘 鹤，张传亭

(内蒙古科技大学信息学院，包头014010)

引 言

随着成像技术的突飞猛进，各类精密成像设备推动了医学影像学的发展，为临床提供丰富的人体医学影像，但成像设备种类众多，其成像机理不同，反映医学信息各有侧重。为了全面分析医学图像中包含的解剖信息和功能信息，需要对多模态医学图像进行融合。

医学图像融合技术面向多模态医学图像，把各种医学图像的信息有机地结合，完成各类医学信息融合，不仅有效利用已有医学影像，而且还有助于发掘潜在医学信息，辅助医院诊疗。

欧美国家在20世纪80年代已开始在图像融合领域取得丰硕的成果，处于领先地位;MITIANOUDIS等人［1］通过将稀疏表达应用于系数选择中，拓展了图像融合的视野和手段;国内YAN，LI等人［2-3］提出了基于脉冲耦合神经网络(pulse coupled neural net-work，PCNN)的图像融合方法，应用于不同类型的图像，将神经网络作为系数优选的方法，丰富了融合系数选择方法，取得了较好的融合效果。

目前图像融合方法包括基于空域变换和频域变换的方法，其中以小波变换和各类超小波变换为代表的基于多分辨分析的图像融合方法应用最广。但小波变换和其改进方法依赖于预先定义的滤波器或基函数，小波变换会有下采样操作，变换后图像会引进伪吉布斯现象，降低融合图像质量。HUANG等人为达到对非线性和非稳态的数据进行自适应和多尺度分析，提出了经验模态分解(empirical mode decomposition，EMD)［4］。经验模式分解作为一……