买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽理工大学;合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)申请的专利一种基于分频域融合的多模态医学图像融合方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115984157B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310131023.5，技术领域涉及：G06T5/50；该发明授权一种基于分频域融合的多模态医学图像融合方法是由赵婉婉;方贤进;杨高明;张海永;程颖;李想;薛明均;华楷文;李琪亚设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本一种基于分频域融合的多模态医学图像融合方法在说明书摘要公布了：本发明公开了一种基于分频域融合的多模态医学图像融合方法，属于医学图像融合技术领域，包括以下步骤：S1：源图像分解；S2：分频域融合；S3：去噪处理；S4：重构处理。本发明通过分解获取源图像不同结构和纹理细节信息，分解后的图像对比离散小波变换很大程度上减少了噪声的出现；对高频部分的融合方式能够有效的提取图像的结构和细节信息，并且能够减少噪声的出现，对结构纹理部分的融合方法结合深度学习的特点有效的提取图像特征，最后采用的高斯平滑操作能够减少该部分噪声的出现；融合之后的图片结合了不同模态的特征，有利于医生临床上的诊断治疗。

本发明授权一种基于分频域融合的多模态医学图像融合方法在权利要求书中公布了：1.一种基于分频域融合的多模态医学图像融合方法，其特征在于，包括以下步骤： S1：源图像分解 将配准好的源图像A和源图像B输入到加权最小二乘滤波器，进行二层分解，得到高频部分和低频部分，对于低频部分将其经过间接梯度滤波进行结构纹理分解，最终得到三层分解图像，分别为高频部分、纹理部分和结构部分； S2：分频域融合 对分解后的源图像A和源图像B的各个部分的图像进行分频域融合，进而得到高频融合图、结构融合图与纹理融合图； 在所述步骤S2中，对于高频部分，引入相位一致性、局部锐度变化和局域能量来共同调节融合图像的信息，得到高频融合图； 在所述步骤S2中，得到高频融合图的具体过程如下： S201：将图像视为一个二维信号，图像在x，y位置的相位一致性通过以下公式计算： 其中，θk是在k处的方向角，和θk分别表示第k个傅里叶分量的振幅和角度；参数ε是常数，用于去除图像信号中的直流成分，由下式计算： 其中，和是输入图像在x，y处的卷积结果； S202：引入锐度变化，锐度变化的计算公式如下： 其中，Ω表示在x,y处输入大小为3×3的一个局部区域，x0,y0表示局部区域Ω中的一个像素点； 同时，计算x,y邻域系数，局部锐度变化的计算公式如下： S203：引入局域能量，计算公式如下： S204：最终得到NAM算法公式如下： NAMx,y＝PCx,yα1·LSCMx,yβ1·LEx,yγ1 其中，α1、β1、γ1是用来调节PC、LSCM和LE在NAM中的参数； 当NAM被获得后，融合的高通子带图像通过下式提出的规则计算： 其中，HF、HA和HB分别是高频子带融合图像、源图像A和B； S205：最后的高频融合图由下列公式得出： 其中，M×N表示以x,y为中心的滑动窗口大小； 在所述步骤S2中，对于结构和纹理部分，使用卷积神经网络提取深度特征，通过一个Softmax激活函数，分别得到结构和纹理部分的权重图，进而基于权重图得到结构融合图与纹理融合图； S3：去噪处理 对得到的结构融合图与纹理融合图进行高斯平滑处理，得到去噪之后的特征图像； S4：重构处理 采用加权最小二乘滤波和间接梯度滤波的逆变换处理，即将高频融合图、结构融合图与纹理融合图经过去噪之后特征图像进行相加，得到最终的融合图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽理工大学;合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)，其通讯地址为：232000 安徽省淮南市泰丰大街168号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。