Image modalities, such as computed tomography (CT), magnetic resonance imaging (MRI), single-photon emission computed tomography (SPECT), and so on, reflect various levels of details about objects of interest that help medical practitioners to examine patients' diseases from different perspectives. A single medical image, at times, may not be sufficient for making a critical decision; therefore, providing detailed information from a different perspective may help in making a better decision. Image fusion techniques play a vital role in this regard by combining important details from different medical images into a single, information enhanced image. In this article, we present a novel weighted term multimodality anatomical medical image fusion method. The proposed method, as a first step, eliminates the distortions from the source images and afterward, extracts two pieces of crucial information: the local contrast and the salient structure. Both the local contrast and salient structure are later combined to obtain the final weight map. The obtained weights are then passed through a fast guided filter to remove the discontinuities and noise. Lastly, the refined weight map is fused with source images using pyramid decomposition to get the final fused image. The proposed method is accessed and compared both qualitatively and quantitatively with state-of-the-art techniques. The result illustrates the performance superiority and efficiency of the proposed method.

中文翻译：

---

一种新的基于对比度和结构提取的多模态解剖图像融合方法

图像模式，例如计算机断层扫描 (CT)、磁共振成像 (MRI)、单光子发射计算机断层扫描 (SPECT) 等，反映了有关感兴趣对象的不同层次的细节，有助于医生检查患者的疾病从不同的角度。有时，单个医学图像可能不足以做出关键决定；因此，从不同的角度提供详细信息可能有助于做出更好的决定。图像融合技术通过将来自不同医学图像的重要细节组合成单个信息增强图像，在这方面发挥着至关重要的作用。在本文中，我们提出了一种新颖的加权项多模态解剖医学图像融合方法。所提出的方法，作为第一步，消除源图像的失真，然后提取两条关键信息：局部对比度和显着结构。随后将局部对比度和显着结构结合起来以获得最终的权重图。然后将获得的权重通过快速引导滤波器以去除不连续性和噪声。最后，使用金字塔分解将细化的权重图与源图像融合，得到最终的融合图像。所提出的方法被访问并与最先进的技术进行了定性和定量的比较。结果说明了所提出方法的性能优越性和效率。随后将局部对比度和显着结构结合起来以获得最终的权重图。然后将获得的权重通过快速引导滤波器以去除不连续性和噪声。最后，使用金字塔分解将细化的权重图与源图像融合，得到最终的融合图像。所提出的方法被访问并与最先进的技术进行了定性和定量的比较。结果说明了所提出方法的性能优越性和效率。随后将局部对比度和显着结构结合起来以获得最终的权重图。然后将获得的权重通过快速引导滤波器以去除不连续性和噪声。最后，使用金字塔分解将细化的权重图与源图像融合，得到最终的融合图像。所提出的方法被访问并与最先进的技术进行了定性和定量的比较。结果说明了所提出方法的性能优越性和效率。所提出的方法被访问并与最先进的技术进行了定性和定量的比较。结果说明了所提出方法的性能优越性和效率。所提出的方法被访问并与最先进的技术进行了定性和定量的比较。结果说明了所提出方法的性能优越性和效率。