1.一种基于局部拉普拉斯分解的多尺度医学图像融合方法，其特征在于，包括以下步骤：

S1、获取解剖型医学图像和功能型医学图像，并对解剖型医学图像和功能型医学图像分别进行局部拉普拉斯滤波处理，分解为细节增强的多尺度近似图像和残差图像；

S2、利用基于感兴趣的规则将步骤S1的残差图像分为感兴趣区域和非感兴趣区域，然后使用局部能量最大规则融合感兴趣区域，使用局部能量平均规则融合非感兴趣区域，融合的残差图像是融合过的感兴趣区域和非感兴趣区域相加得到；

S3、使用rgb2ycbcr算法处理近似的功能医学图像，得到近似功能医学图像对应的亮度图，然后利用梯度图和迭代联合滤波器将亮度图与近似解剖医学图像进行融合，最后经过ycbcr2rgb算法得到融合的近似图像；

S4、采用局部拉普拉斯的逆运算对多尺度融合图像进行重构。

2.根据权利要求1所述的一种基于局部拉普拉斯分解的多尺度医学图像融合方法，其特征在于，所述步骤S1的解剖型医学图像包括MRI图像，功能型医学图像包括PET和SPECT图像。

3.根据权利要求1所述的一种基于局部拉普拉斯分解的多尺度医学图像融合方法，其特征在于，所述步骤S1的图像分解以局部拉普拉斯滤波器为工具，它是一种基于拉普拉斯金字塔对图像进行逐点运算来获得保留边缘图像增强效果的图像处理技术，利用拉普拉斯金字塔将输入图像分解为三个不同尺度的解剖型图像A以及功能型图像B，分别为(A1，B1)、(A2，B2)、(A3，B3)，尺寸分别为：256×256、128×128、64×64，其中A1，B1,A2，B2为残差图像，A3，B3为近似图像。

4.根据权利要求3所述的一种基于局部拉普拉斯分解的多尺度医学图像融合方法，其特征在于，所述步骤S2基于感兴趣的规则使用局部能量最大和局部能量平均算法分别融合感兴趣区域和非感兴趣区域，从而得到融合的残差图像，局部能量最大算法的计算公式如下：其中 表示Ai中感兴趣的区域，i取1或2；其中 表示Bi中感兴趣的区域； 表示融合的感兴趣区域的残差图像；

局部能量平均算法的计算公式如下：

其中 表示Ai中非感兴趣的区域，i取1或2；其中 表示Bi中非感兴趣的区域； 表示融合的非感兴趣区域的残差图像。

5.根据权利要求3所述的一种基于局部拉普拉斯分解的多尺度医学图像融合方法，其特征在于，所述步骤S3使用rgb2ycbcr算法处理近似的功能医学图像，得到对应的亮度图，rgb2ycbcr算法将RGB三通道的彩色图像转换成YCbCr格式，它由Y(亮度)、Cb(色度蓝)和Cr(色度红)组成，其中Y表示颜色的明亮度和浓度，而Cb和Cr则分别表示颜色的蓝色浓度偏移量和红色浓度偏移量；人的肉眼对由YCbCr色彩空间编码的视频中的Y分量更敏感，而Cb和Cr的微小变化不会引起视觉上的不同，根据该原理，我们只将Y分量提取出来与解剖医学图像的低频图像进行融合；融合完成之后再通过ycbcr2rgb颜色空间反变换算法得到彩色融合图像。

6.根据权利要求5所述的一种基于局部拉普拉斯分解的多尺度医学图像融合方法，其特征在于，所述步骤S3利用梯度图和迭代联合滤波器将亮度图与近似解剖医学图像进行融合，得到融合的近似层图像，迭代联合滤波器的计算公式如下：t+1 t

I (p)＝JointFilter(step(I(p)‑0.5),G(p),σs,σr)t

其中I (p)代表输入图像，G(p)代表引导图像，σs表示空间滤波强度，σr表示范围域滤波强度，JointFilter代表联合滤波器，最后经过ycbcr2rgb算法得到融合的近似图像。

7.根据权利要求5或6所述的一种基于局部拉普拉斯分解的多尺度医学图像融合方法，其特征在于，所述步骤S4采用局部拉普拉斯的逆运算对多尺度融合图像进行重构，具体包括：采用局部拉普拉斯的逆运算，将多个尺度的融合图像还原为原尺寸的融合图像；

其中F为最终的融合图像，GF为融合的近似图像， 为融合的残差图像。