使用引导滤波和图像统计融合CT和MRI图像 笔记

使用引导滤波和图像统计融合CT和MRI图像

原文：Fusion of MRI and CT images using guided image filter and image statistics
地址：https://onlinelibrary.wiley.com/doi/full/10.1002/ima.22228

摘要：
1.在这篇文章中提出了一种基于引导滤波和图像统计的加权平均融合算法融合脑部的MRI和CT图像。
2.提出算法如下：使用引导滤波从每张图片中提取细节层，细节层利用图像统计的方法计算原图像的权重，然后用加权平均的策略整合原图像到一张图像中，融合结果采用定性和定量进行评估。

结构
Section II:简短的介绍相关工作。
Section III:提出方法。
Section IV：描述融合指标。
Section V：实验步骤讨论。
Section VI：文章结论。

3 提出方法
1.本文提出的关键想法就是利用GF模糊源图像，然后从相应的源图像中减去模糊图像得到锐化图像。利用锐化图像的细节计算权重得到融合目标。
2.本文框架

3.算法包含两大步骤：（A）使用GF得到细节层图像。（B）使用基于图像统计的融合规则融合细节图像。

3.1 引导图像滤波
1.在像素j处的滤波输出图像：

2.为了得到无噪声的输出，不想要的分量N（就像是纹理和噪声）：

3.在满足方程（1）的条件下最小化I和O的差异，ml和nl由最小化能量方程得到：

4.能量方程解：

5.经过上述处理的输出可以表示为：

3.1.1 结构转换滤波
1.如果引导图像和原图像相同，则对输入图像的结构影响不大。
2.如果引导图像和原图像不同，引导图像则会影响输入图像的结构。

3.1.2 梯度保留滤波
1.GF可以避免在滤波过程中梯度逆转产生的伪影。

3.2 图像融合规则
1.融合规则：基础想法是根据图像的像素中水平和垂直的边缘强度找到权重。
2.每个像素点的权重取决于边缘强度（水平+竖直）。
3.权重是由细节图得到的。

4 融合评价指标
1.F （μ）测量融合图像的对比度，像素平均强度
2.SD 标准差
3.AG 平均梯度
4.MI 互信息
5.SF 空间频率
6.Qxy/f 融合算法在边缘方面的表现

对比算法
Grad、Ratio、SWT、SVD、GFF