摘要：多模态医学图像融合是计算机辅助诊断中的关键技术。本文提出了一种基于Contourlet域的医学图像融合方法，通过多尺度分解、智能融合策略和平均曲率增强技术，实现MRI与CT图像的有效融合。

项目概览

项目简介

多模态医学图像融合是计算机辅助诊断中的关键技术。本文提出了一种基于Contourlet域的医学图像融合方法，通过多尺度分解、智能融合策略和平均曲率增强技术，实现MRI与CT图像的有效融合。采用类拉普拉斯金字塔方法进行3-5层分解，低频分量采用加权平均保留整体结构，高频分量基于局部能量最大值选择保留显著边缘，并对最高频层引入平均曲率增强算法优化边缘轮廓。实验结果表明，在脑部MRI-CT融合中信息熵达到6.08，MRI和CT相关系数分别达到0.92和0.94，处理速度0.1-0.3秒，具有良好的实时性和临床应用价值。

系统架构

本系统采用三层架构设计：用户界面层（GUI）负责参数配置和结果展示，使用MATLAB GUIDE构建响应式三栏布局；算法核心层实现Contourlet域多尺度分解（类拉普拉斯金字塔+高斯滤波）、智能融合策略（低频加权平均、高频能量自适应选择）和平均曲率PDE增强算法；质量评价层通过Shannon熵、梯度分析和相关性计算提供6项实时指标。整体采用事件驱动的回调机制，用户操作触发图像处理流水线，从多尺度分解→分层融合→曲率增强→重建输出，全流程耗时0.1-0.3秒，所有模块高内聚低耦合，便于扩展新的融合策略和质量指标。

图1 系统架构图

技术创新

创新点1：多层次容错的Shannon熵计算方法

提出三级后备的Shannon熵计算方法，通过多层次容错策略解决传统方法在归一化图像上的计算异常问题，信息熵准确率提升100%，从异常的0.0000修正到正常的6.08。

创新点2：频率自适应融合规则与平均曲率联合增强策略

设计频率自适应融合规则与平均曲率联合增强策略，通过低频加权平均、高频能量选择和PDE迭代优化的协同作用，实现信息保留（相关系数0.92-0.94）与边缘增强的最优平衡，综合质量评分达到86/100优秀水平。

快速开始

在MATLAB命令窗口运行 ContourletMedicalImageFusionGUI，加载MRI和CT图像，使用推荐参数（分解层数4、MRI权重0.55、曲率迭代20、时间步长0.0006），点击”开始图像融合”即可在0.1-0.3秒内获得高质量融合结果（信息熵6.08、相关系数0.92+）。

环境要求

需要MATLAB R2019b或更高版本（推荐R2022b+）和Image Processing Toolbox，运行在Windows/macOS/Linux系统，推荐8GB+内存和1920×1080分辨率显示器以获得最佳用户体验。

运行展示

运行ContourletMedicalImageFusionGUI.m

图2 主界面图

图3 融合结果和质量评价图

图4 融合结果和质量评价图

图5 融合结果和质量评价图

图6 融合结果和质量评价图

图7 融合结果和质量评价图

项目资源

配套文件

包括完整的项目源代码、演示视频、运行截图，开箱即用。

项目信息

作者信息

作者：Bob (张家梁)
项目编号：IP-22-M
原创声明：本项目为原创作品