[论文解读] Analysis and Comparison of Different Wavelet Transform Methods Using Benchmarks for Image Fusion

T. Deepika|arXiv (Cornell University)|Jul 22, 2020

Advanced Image Fusion Techniques参考文献 8被引用 5

一句话总结

本文提出了一种基于小波的图像融合框架，采用五种变换方法——离散小波变换（DWT）、平稳小波变换（SWT）、整数提升小波变换（ILFT）、双树复小波变换（DT CWT）和Q-shift双树复小波变换——应用于多模态医学图像（CT/MRI）。通过熵、PSNR、RMSE、IQI和标准差进行性能比较，结果表明DT CWT在视觉和定量评估中均表现出最优的融合质量。

ABSTRACT

In recent years, many research achievements are made in the medical image fusion field. Medical Image fusion means that several of various modality image information is comprehended together to form one image to express its information. The aim of image fusion is to integrate complementary and redundant information. CT/MRI is one of the most common medical image fusion. These medical modalities give information about different diseases. Complementary information is offered by CT and MRI. CT provides the best information about denser tissue and MRI offers better information on soft tissue. There are two approaches to image fusion, namely Spatial Fusion and Transform fusion. Transform fusion uses transform for representing the source images at multi-scale. This paper presents a Wavelet Transform image fusion methodology based on the intensity magnitudes of the wavelet coefficients and compares five variations of the wavelet transform implemented separately in this fusion model. The image fusion model, using the Discrete Wavelet Transform (DWT), the Stationary Wavelet Transform (SWT), the Integer Lifting Wavelet Transform (ILFT) the dual-tree Complex Wavelet Transform (DT CWT) and dual-tree Q-shift dual-tree CWT, is applied to multi-modal images. The resulting fused images are compared visually and through benchmarks such as Entropy (E), Peak Signal to Noise Ratio, (PSNR), Root Mean Square Error (RMSE), Image Quality Index (IQI) and Standard deviation (SD) computations.

研究动机与目标

• 评估并比较五种小波变换方法在医学图像融合中的性能。
• 评估基于变换的融合在整合CT与MRI模态间互补信息方面的有效性。
• 利用多种定量指标建立图像融合质量的基准。
• 识别最适小波变换以保留融合医学图像中的结构和强度信息。
• 使用标准化图像质量指标对基于变换的融合技术进行全面分析。

提出的方法

• 融合框架采用基于强度幅值的源图像小波系数选择方法。
• 五种小波变换——DWT、SWT、ILFT、DT CWT和Q-shift双树复小波变换——分别应用于多尺度分解后的图像。
• 基于幅值采用最大值选择规则融合系数，以保留显著特征。
• 每种方法均通过逆小波变换重建融合图像。
• 采用五项基准指标评估性能：熵（E）、PSNR、RMSE、IQI和标准差（SD）。
• 在多模态CT/MRI图像数据集上进行视觉与定量比较。

实验结果

研究问题

• RQ1 哪种小波变换在结构与强度保留方面实现最高的图像融合质量？
• RQ2 DWT、SWT、ILFT、DT CWT和Q-shift双树复小波变换在熵、PSNR、RMSE、IQI和SD指标上的表现如何比较？
• RQ3 复小波变换（DT CWT）是否优于实值变换在医学图像融合中的表现？
• RQ4 不同变换如何处理CT/MRI图像中的冗余与互补信息？
• RQ5 在多个定量基准下，变换类型对融合图像质量的相对影响是什么？

主要发现

• 双树复小波变换（DT CWT）在熵（E）和图像质量指数（IQI）方面达到最高值，表明其具有更优的信息保留能力和图像质量。
• DT CWT在峰值信噪比（PSNR）方面表现最佳，且均方根误差（RMSE）最低，证实了融合图像的高保真度。
• 平稳小波变换（SWT）在标准差（SD）方面表现强劲，反映出对比度和纹理保留效果更佳。
• 离散小波变换（DWT）在五种方法中PSNR最低、RMSE最高，表明其重建精度较低。
• 整数提升小波变换（ILFT）表现中等，各项指标均衡但未超越DT CWT或SWT。
• 总体而言，DT CWT在所有基准中排名第一，证实其在多模态医学图像融合中的优越性。