医学图像融合技术是医学成像和信息融合技术的契合点,通过对多模态医学图像中的特征信息进行整合,以获取更加详细、全面的医学图像描述,为医学研究和临床诊断提供重要的视觉辅证。本文基于多尺度分析理论,针对医学图像中的CT与MRI图像融合、MRI与PET图像融合,利用“梯度最小平滑滤波器”、“非下采样轮廓波变换”、“结构张量”、“非线性HIS变换”、“脉冲耦合神经网络”等图像处理方法,设计融合准则,提出了几种图像融合的新算法。主要研究工作如下:基于结构张量在描述图像几何特征的优势和非下采样轮廓波变换的多尺度、多方向特性,提出了一种基于结构张量和非下采样轮廓波变换的医学图像融合算法。首先,对源图像的结构张量依据局部梯度特征度量进行预融合,对非下采样轮廓波变换的低频子带、高频子带分别依据加权平均法和改进的拉普拉斯和最大法进行预融合,然后对融合图像的梯度和非下采样轮廓波变换系数进行约束构建最优化模型,使用共轭梯度算法求解得到融合图像。实验结果表明,该算法提高了对源图像几何特征描述的完整性,改善了融合图像的视觉效果。基于梯度最小平滑滤波器的边缘保持特性以及平滑图像中的稀疏表示特性,设计了一种结合多尺度梯度最小平滑滤波分解和稀疏表示的医学图像融合算法。首先,源图像由多尺度梯度最小平滑滤波器分解为基图像和细节图像;基图像进行联合稀疏表示,在稀疏编码系数融合时综合考虑系数能量及系数所在列的能量,并模拟了空间域上的梯度进行综合判决得到融合基图像;提取细节图像的能量与区域边缘能量的加权和作为活跃度判决依据,得到融合细节图像。实验结果验证了算法的有效性,融合图像中对于边缘保持和特征保留较其他几种对比算法更为优秀。针对灰度级MRI和伪彩色PET图像的融合应用,设计了一种基于非线性HIS变换、非下采样轮廓波变换和改进型脉冲耦合神经网络的图像融合算法。利用HIS变换的颜色保真性,对PET图像进行颜色空间转换,提取强度分量与MRI进行灰度级图像融合。两幅图像经非下采样轮廓波变换被分解为低频子带和高频子带。对低频子带采用模糊数学中的高斯隶属度进行加权融合,对高频子带采用改进型脉冲耦合神经网络进行融合。实验结果表明,融合图像在细节传递、光谱保持上具有更好的效果。通过理论分析与实验结果对比知,本文提出的以上算法具有更好的视觉效果和客观评价,融合后的图像特征保留更加完备,细节更加丰富,这些算法可应用于医学图像融合,更加有效地辅助临床诊断等。