使用引導濾波和圖像統計融合CT和MRI圖像
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.在這篇文章中提出了一種基於引導濾波和圖像統計的加權平均融合算法融合腦部的MRI和CT圖像。
2.提出算法如下：使用引導濾波從每張圖片中提取細節層，細節層利用圖像統計的方法計算原圖像的權重，然後用加權平均的策略整合原圖像到一張圖像中，融合結果採用定性和定量進行評估。
結構
Section II:簡短的介紹相關工作。
Section III:提出方法。
Section IV：描述融合指標。
Section V：實驗步驟討論。
Section VI：文章結論。
3 提出方法
1.本文提出的關鍵想法就是利用GF模糊源圖像，然後從相應的源圖像中減去模糊圖像得到銳化圖像。利用銳化圖像的細節計算權重得到融合目標。
2.本文框架
3.算法包含兩大步驟：（A）使用GF得到細節層圖像。（B）使用基於圖像統計的融合規則融合細節圖像。
3.1 引導圖像濾波
1.在像素j處的濾波輸出圖像：
2.爲了得到無噪聲的輸出，不想要的分量N（就像是紋理和噪聲）：
3.在滿足方程（1）的條件下最小化I和O的差異，ml和nl由最小化能量方程得到：
4.能量方程解：
5.經過上述處理的輸出可以表示爲：
3.1.1 結構轉換濾波
1.如果引導圖像和原圖像相同，則對輸入圖像的結構影響不大。
2.如果引導圖像和原圖像不同，引導圖像則會影響輸入圖像的結構。
3.1.2 梯度保留濾波
1.GF可以避免在濾波過程中梯度逆轉產生的僞影。
3.2 圖像融合規則
1.融合規則：基礎想法是根據圖像的像素中水平和垂直的邊緣強度找到權重。
2.每個像素點的權重取決於邊緣強度（水平+豎直）。
3.權重是由細節圖得到的。
4 融合評價指標
1.F （μ）測量融合圖像的對比度，像素平均強度
2.SD 標準差
3.AG 平均梯度
4.MI 互信息
5.SF 空間頻率
6.Qxy/f 融合算法在邊緣方面的表現
對比算法
Grad、Ratio、SWT、SVD、GFF