基于提升小波变换与自适应PCNN的医学图像融合方法

被引：32

作者：

杨艳春 ^{[1
]}

党建武 ^{[2
]}

王阳萍 ^{[2
]}

机构：

[1] 兰州交通大学数理与软件工程学院

[2] 兰州交通大学电子与信息工程学院

来源：

计算机辅助设计与图形学学报 | 2012年 / 24卷 / 04期

关键词：

提升小波变换; 脉冲耦合神经网路; 链接强度; 医学图像融合;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了更好地满足临床辅助诊断和治疗的需要,提出一种基于提升小波变换的CT与MRI图像的融合方法.该方法在低频子带采用基于区域能量的融合规则;高频子带采用自适应脉冲耦合神经网络(PCNN)的融合规则,通过应用PCNN简化模型把图像逐像素的梯度能量作为PCNN的链接强度,使得PCNN能根据像素梯度能量的变化来自适应地调整链接强度的大小,并根据点火次数确定高频子带融合系数.实验结果表明,文中方法与传统融合方法相比性能优越,丰富了融合图像的边缘及细节信息,可取得更好的融合效果.

引用

页码：494 / 499

页数：6

共 8 条

[1]

非降采样Contourlet域内空间频率激励的PCNN图像融合算法(英文)[J]. 屈小波,闫敬文,肖弘智,朱自谦.自动化学报. 2008(12)

[2]

基于PCNN和BWT的图像融合算法[J]. 余瑞星,朱冰,张科.光电子.激光. 2008(07)

[3] 一种自适应PCNN多聚焦图像融合新方法 [J].

苗启广 ;

王宝树 .

电子与信息学报, 2006, (03) :466-470

[4] 一种基于提升小波分解图像融合方法 [J].

李卫华 ;

周军 ;

周连文 ;

程英蕾 .

计算机应用, 2006, (02) :403-405+408

[5]

基于多尺度变换的多源图像融合技术研究[D]. 陈浩.中国科学院研究生院（长春光学精密机械与物理研究所）. 2010

[6] Multi-focus image fusion using pulse coupled neural network [J].

Huang, Wei ;

Jing, Zhongliang .

PATTERN RECOGNITION LETTERS, 2007, 28 (09) :1123-1132

[7] Factoring wavelet transforms into lifting steps [J].

Daubechies, I ;

Sweldens, W .

JOURNAL OF FOURIER ANALYSIS AND APPLICATIONS, 1998, 4 (03) :247-269

[8]

Models of Brain Function .2 Eckhorn R,Reitboeck H J,Arndt M,et al. Cambridge University Press . 1989

← 1 →