随着医学图像工程和计算机技术的不断发展,医学图像已经成为现代医疗技术不可或缺的一部分。成像原理不同的医学图像可以为医生提供不同的诊断信息,但使用单一模态的医学图像容易引起医生做出片面的诊断。通过对医学图像融合的研究,使不同医学图像的优势综合在一起,不仅能够为医生的临床诊断和治疗提供科学的判断依据,还可以进一步提高诊疗的效率。多尺度变换的处理方式符合人眼视觉特征,具有多分辨率分析、方向性等特点,能够捕捉图像中更多的细节及边缘信息,因此在医学图像融合领域中得到了广泛的应用。为了更好地满足临床诊断和治疗的需要,本文对基于多尺度变换的医学图像融合方法进行了研究,主要研究工作如下:(1)针对小波变换在进行医学图像融合时融合图像边缘容易失真的问题,提出一种基于小波加权局部对比度的医学图像融合方法。该方法在低频子带中采用区域标准方差的融合规则;在高频子带中根据小波变换的方向特性和人眼视觉特性,采用了加权局部对比度的融合规则。该方法与传统融合方法相比,能够得到具有更好视觉效果和更优量化指标的融合图像。(2)针对医学图像融合过程中算法实时性差、计算复杂度高和运算所需内存大等问题,提出一种基于提升小波变换与自适应PCNN(脉冲耦合神经网络,Pulse Coupled Neural Network)的医学图像融合方法。该方法在低频子带采用区域能量的融合规则,该规则充分利用了系数之间的区域相关特性;高频子带采用自适应PCNN的融合规则,应用PCNN简化模型,将梯度能量作为PCNN的链接强度,使得PCNN能根据像素梯度能量的变化自适应地调整链接强度的大小,并根据点火次数确定高频子带融合系数。该方法得到的融合结果图细节边缘信息丰富,具有良好的融合效果。(3)针对融合图像在过渡区域微小细节及边缘信息不够清晰的问题,结合PCNN脉冲同步性、变阈值等特性,提出一种基于NSCT(非下采样Contourlet变换,Nonsubsampled Contourlet Transform)与区域点火PCNN的医学图像融合方法。该方法在低频子带采用区域点火PCNN的融合规则,利用点火区域强度确定区域点火特性,根据区域点火特性确定低频子带系数;在选择带通方向子带系数时,利用非下采样Contourlet变换的方向特性,采用改进的拉普拉斯能量的融合规则。该方法得到的融合图像边缘过渡区域信息丰富自然,融合图像清晰。(4)利用RGB模型和IHS模型,提出一种适用于解剖结构成像和功能成像的彩色医学图像融合方法。该方法首先对功能图像进行IHS变换得到亮度I分量;然后对I分量和解剖结构图像进行NSCT变换,在得到的低频子带系数中采用区域平均梯度的融合规则,同时在带通方向子带系数中采用局部对比度的融合规则;最后对经过NSCT逆变换所得的融合后的I’分量与色调分量H、饱和度分量S进行IHS逆变换,得到融合结果图。该方法得到的融合图像有效地保留了PET或SPECT图像的颜色及新陈代谢信息。