文献类型：期刊文章

作　　者：赵丹[1] 戴文战[2] 李俊峰[1]

机构地区：[1]浙江理工大学自动化研究所,浙江杭州310018 [2]浙江工商大学信息与电子工程学院,浙江杭州310018

出　　处：《光电子．激光》

基　　金：国家自然科学基金项目(61374022)资助项目

年　　份：2018

卷　　号：29

期　　号：1

起止页码：95-104

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：为了解决单一模态医学图像的局限性,提出了一种基于非下采样剪切波变换(NSST)和改进型脉冲耦合神经网络(PCNN)相结合的多模态医学图像融合方法。首先,利用NSST对源图像进行多尺度、多方向分解,得到低频子带系数和高频子带系数;其次,低频子带系数由区域能量和方差求取区域特征,采用基于区域特征加权的方式进行融合;高频内层子带系数先通过PCNN求出区域点火特性,再与平均梯度加权的方式进行选择,高频外层子带系数采用区域绝对值取大的融合规则;最后,通过逆NSST重构图像。实验结果表明:与常用融合规则对比,在主观效果上,本文的融合图像可以保留源图像的边缘信息,得到更好的视觉效果;在客观指标上,本文方法融合得到的图像在互信息(MI)、边缘评价因子(QAB/F)和结构相似度(SSIM)等客观评价指标上取得更好的效果。

关 键 词：医学图像融合 非下采样剪切波变换(NSST)  改进脉冲耦合神经网络(PCNN)  改进拉  普拉斯能量(IEOL)  平均梯度

分 类 号：TP391.4]