，，

(1.浙江理工大学机械与自动控制学院，杭州 310018；2.浙江工商大学信息与电子工程学院，杭州 310018)

0 引 言

近年来，高精度成像技术的不断发展，给临床医学的诊断与治疗带来了巨大便利。然而，由于临床医学领域的特殊性，要求图像不但能够呈现直观的器官轮廓，而且要有清晰的纹理效果，依靠单模态图像很难达到这些要求[1-2]。比如，CT图像能够反映密度较大的骨骼结构，但对密度较小的组织缺乏清晰成像的能力；相反，MRI图像只适用于显示密度较小的组织，而对于大密度的骨骼结构的显示明显不适用。因此，为便于临床医学诊断，需要对单一模态图像取长补短，进行多模态的医学图像融合。

医学图像融合算法种类众多，就分解工具而言，主要有小波变换、轮廓波变换以及剪切波变换等。与剪切波变换相比，小波变换[3]线奇异性较差，对二维图像信息的捕捉能力不足，容易产生伪吉布斯现象；而轮廓波变换[4]算法相对复杂，运行效率不高。这两种变换在计算复杂度、运行效率、捕捉结构信息能力等方面均逊于剪切波变换[5]。由于传统的剪切波变换存在下采样操作，为防止出现伪吉布斯现象，人们对其进行改进，提出了非下采样剪切波变换[6](Non-subsampled shearlet transform , NSST)。

NSST优势明显，应用简便，近年来已逐渐成为研究的热点。如Cao等[7]和Padma等[8]利用NSST进行医学图像融合，与传统方式相比，这类方法在融合图像在纹理、清晰度、亮度以及对比度等方面都获得了一定的改进，但通过NSST获得的低频系数近似为零项极其有限，即对于图像的低频系数信息无法稀疏的表示，若对其进行直接融合处理，会对图像重要特征的提取带来不便，结果将会造成低频子带在融合处理过程中无法最佳的获取图像中理想位置的信息。……