技术摘要：
本发明涉及一种基于拉普拉斯金字塔变换的MRI图像融合方法以及MRI设备。方法包括步骤：S1：针对脑部MRI图像的特点，利用拉普拉斯金字塔分解将多幅源图像分解得到不同频率层，在不同频率层采用不同的融合规则，从而在融合图像中保留各源图像在不同频率层的特征信息；S2：  全部
背景技术：
磁共振成像(MRI)技术是一种利用人体中的核与磁场中的外加RF磁场产生共振以 生成图像的成像技术。MRI是随着计算机技术的飞速发展和X射线CT的临床应用而发展起来 的一种新型医学数字成像技术。因为它可以在细胞核水平上显示形态结构和生化信息，所 以它还可以显示某些器官的功能状态，并且具有如不辐射，成像精度高等许多优点。它已越 来越多地用于各种系统的临床诊断和治疗。 现有技术中，MRI设备中接收线圈采用固定形状线圈或是采用柔性线圈。柔性线圈 具有轻便和韧性好的优点，柔性线圈能够与不同身体部位(如腹部、膝关节、踝关节、腕关节 等)适型匹配，以便尽可能靠近成像区域，如此能够解决因扫描部位形状以及大小的不同而 导致固定形状线圈无法紧贴成像区域的问题，从而提高了信噪比。但是，由于柔性线圈可以 根据实际应用场景灵活地进行形态变化以及位置变化，因而，当MRI设备操作者使用柔性线 圈时，需要操作者先构建磁共振系统、病人和柔性线圈的三维模型，以便确定柔性线圈的位 置信息以及形态信息，再根据柔性线圈的位置信息以及形态信息，选择与扫描区域对应的 线圈单元进行重建成像。然而，由于MRI设备操作者需要根据个人经验以及相关知识确定柔 性线圈的形态信息和位置信息，如此，不仅增加了磁共振系统操作的难度以及操作者的工 作强度，还容易因操作者个人失误导致成像错误的发生，降低磁共振成像的准确率。 现有技术中，图像融合分为同机融合(异源图像的扫描同时发生在同一台影像设 备上)和异机融合(异源图像的扫描在不同时段而目发生在不同的影像设备上)两种方式。 但是，同机融合设备成本非常昂贵，因收费高而不易普及，临床应用受到限制。现有技术的 同机CT和MR 图像二维融合，虽然影像比较逼真但缺少立体视觉效果，而且扫描同时发生在 同一台影像设备上，成本非常昂贵，临床应用受到限制。而异机融合成本相对低廉，有着广 阔的应用空间，但其配准效果不佳，所得到的立体融合图像精确度不高。
技术实现要素：
本发明的目的就在于为解决上述问题，本发明提出一种基于多接收线圈的拉普拉 斯金字塔变换的MRI图像融合方法。 一种基于拉普拉斯金字塔变换的MRI图像融合方法，用于对脑部MRI图像处理，包 括步骤： S1：针对脑部MRI图像的特点，利用拉普拉斯金字塔分解将多幅源图像分解得到不 同频率层，在不同频率层采用不同的融合规则，从而在融合图像中保留各源图像在不同频 率层的特征信息，其中，所述多幅源图像分别来自于多个射频接收线圈针对同一检测部位 4 CN 111598820 A 说　明　书 2/10 页 得到的图像； S2：分别计算顶层的区域均值和其余各层的点清晰度作为融合尺度； S3：对区域均值和点清晰度进行归一化处理； S4：比较不同源图像各层的归一化后的区域均值和点清晰度数值，采用不同的融 合策略，获得各层图像的融合结果； S5：对得到的融合图像拉普拉斯金字塔各层，从顶层开始逐层向下递推，最终获得 融合图像。 进一步的，步骤S2具体包括： 分别为源图像A，B…M的拉普拉斯金字 塔第l  层图像，融合结果记为 当l＝N时，对拉普拉斯金字塔顶层图像进行融合，采用区域均值作为融合尺度，考 察邻域像素间的关联性，可有效保留图像的细节和边缘信息，获得清晰的融合图像；区域均 值可由式(1)得到： T(i，j)＝∑w|LN(i，j)-μ|     (1) 式中，LN为金字塔顶层图像，即低频系数矩阵，μ表示邻域像素均值，w为加权矩阵； 当0≤l＜N时，对其余各层进行融合， 采用点清晰度对像素点周围的灰度扩散程度做统计，值越大说明扩散越剧烈、图 像越清晰，以此作为融合尺度；点清晰度可由式(2)得到： 式中，m，n为所选局部区域的长和宽，df为灰度变化幅值，dx为像元间距离增量；公 式(2)可表示为：对区域中的每点与其8个邻域像素点做差，对差值取绝对值后求加权和，最 后将所有点所得值相加除以像素总数。 进一步的，步骤S3具体包括：采用式(3)对区域均值和点清晰度进行归一化处理： 其中，X(i，j)为区域均值和点清晰度，Xmax和Xmin分别为矩阵X中的最大值和最小 值，  Y(i，j)为归一化后的区域均值或点清晰度； 进一步的，步骤S4具体包括： 设K为阈值，该阈值的设定与发射线圈与各个接收线圈的距离、方向、信号强度有 关；当 时，融合结果 记为： 当 时，融合结果 记为： 其中，k1，k2…kM为各层图像权重系数， 5 CN 111598820 A 说　明　书 3/10 页 进一步的，步骤S5具体包括：对得到的融合图像拉普拉斯金字塔各层，用式(4)，从 顶层开始逐层向下递推，得到融合图像的高斯金字塔 最终获得融 合图像 针对脑肿瘤的特点，本申请提出一种基于自适应轮廓模型的MRI图像分割算法： 步骤1)：对输入的经过融合后的MRI图像进行预处理； 步骤2)：根据脑部肿瘤图像的特点，设初始轮廓线为c0且将其设置成圆形，根据c0 计算初始水平集函数φ0； 步骤3)：更新水平集函数φn，根据当前的φn计算c1和c2； 步骤4)：检查迭代是否收敛，若收敛则此时求得的c即为最佳轮廓线，否则继续迭 代； 步骤5)：获得目标区域后，利用图像形态学开运算去除噪声及一些微小突出部分， 平滑边界，利用闭运算能够连接断裂处，并填补空洞，得到目标图像。 有益效果：(1)本申请提出的基于拉普拉斯金字塔变换的MRI图像融合方法，首先 对多聚焦源图像进行拉普拉斯金字塔变换；然后，对拉普拉斯金字塔的顶层图像，采用区域 均值考量邻域像素间的关联性，有效保留图像的细节信息；对其余各层，采用点清晰度对像 素点周围的灰度扩散程度做统计，提高融合图像清晰度；最后，通过拉普拉斯金字塔逆变 换，得到了噪声低、边缘信息丰富的多聚焦融合图像。 (2)本方法只需根据每个线圈单元的理论坐标，将多个线圈的数据进行融合得到 目标图像，无需人工参与，降低了操作MRI设备的工作难度，也降低了因操作者个人失误导 致的成像错误发生的可能，提高了磁共振成像的准确率，鲁棒性。 (3)本申请提出一种基于自适应轮廓模型的MRI图像分割算法，充分利用脑部肿瘤 图像特征简化了组织分割过程，利用相关的图像和信息特征形成对象轮廓的自动化处理和 辨识准确度提升，利用分割基准形成图像量化规则、像素内涵信息和建模构架有效融合，使 得脑部肿瘤可以在MRI图像中实现主体自动分割、轮廓准确定位，有效提高了专业人力识别 资源的识别效率。 附图说明 图1是现有技术中磁共振成像系统示意图。 图2是本申请中“C”型永磁体示意图。 图3是本申请中磁共振成像设备中多个接收线圈布置示意图。 图4是本申请中运算和图像处理系统示意图。 图5是本申请基于拉普拉斯金字塔变换的MRI图像融合方法流程图。 附图标记说明如下： 图2中：1、机架，2、磁极，3、匀场环，4、涡流板，5、极板。图3中：B1-36、射频接收线 6 CN 111598820 A 说　明　书 4/10 页 圈，38、受测者。