图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。（定义来源于百科）

（图片来源：bing）

图像融合可以用于提高医学图像的临床价值，提高医学诊断准确性和病人护理质量。

青岛大学数据科学与软件工程学院的研究人员开发了一种新的基于监督深度学习的“多模态”图像融合方法，该方法提高了图像清晰度，减少了冗余图像特征，并支持分批处理。他们的研究结果近期发表在KeAi期刊International Journal of Cognitive Computing in Engineering上。

作者李奕解释说：“大多数医学图像的信息内容都是片面的或有限的。例如，焦点位置的变化会使一些物体看起来模糊。重要信息分散在大量图像中会妨碍医生的判断。图像融合是一种有效的解决方案，它能自动检测出这些分离图像中包含的信息，并将它们整合成一幅合成图像。”

研究人员越来越多地转向通过深度学习来改善图像融合。深度学习利用人工神经网络来模仿人类的思维和学习方式。这意味着它能够从非结构化或无标记的数据中学习。

然而，目前的研究大多集中在深度学习在单图像融合处理中的应用上。将其用于多图像分批处理的研究就少得多了。

“医学图像具有特定的实用要求，包括信息的丰富性和高清晰度。在我们的研究中，我们利用成功的图像融合结果建立了一个图像训练数据库。然后我们就可以使用这个数据库来批量融合医学图像。”

“该方法增强了MRI、CT和SPECT图像融合的清晰度，提高了医学诊断的准确性。我们在视觉质量和定量评估指标方面都达到了最先进的性能。例如，我们制作的融合图像看起来更自然，有更清晰的边缘和更高的分辨率。此外，详细的信息和感兴趣的特征得到了更好的保存。”