醫(yī)學(xué)圖像融合的目的是將多幅多模態(tài)醫(yī)學(xué)圖像的信息整合到一幅圖像上,此圖像有助于臨床診斷,幫助醫(yī)生精確觀察細微病變,縮短病人的治療周期.本文提出了一種新的解剖圖像和功能圖像的融合算法,選取了局部拉普拉斯濾波（local Laplacianfiltering, LLF）作為融合過程的分解工具,該工具在增強細節(jié)的同時保護邊緣,保證解剖圖像的細節(jié)信息不被功能圖像的顏色信息遮蓋.首先,利用LLF將原圖像分解為近似圖和一系列細節(jié)圖.其次,對于近似圖,結(jié)合區(qū)域能量和邊緣能量提出一個改進的局部能量取大的融合規(guī)則;對于細節(jié)圖,采用參數(shù)自適應(yīng)的簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)（parameteradaptive simplified pulse coupled-neural network, PA-SPCNN）模型進行細節(jié)圖融合,選取改進的拉普拉斯和（novel sum-modified-Laplacian, NSML）與彩色顯著特征信息（color saliency feature, CSF）分別作為解剖圖像和功能圖像所對應(yīng)的PA-SPCNN模型的外部刺激輸入.最后,使用逆LLF變換獲得融合圖像.仿真實驗表明本文所提... 

【文章來源】：中國科學(xué):信息科學(xué). 2020,50(02)北大核心

【文章頁數(shù)】：22 頁

【部分圖文】：

(網(wǎng)絡(luò)版彩圖)LLF濾波應(yīng)用于彩色圖與灰度圖前后的對比圖.(a1)彩色圖;(a2)濾波后的圖;(b1)灰度圖;(b2)濾波前灰度圖的像素分布圖;(b3)濾波后灰度圖的像素分布圖

(網(wǎng)絡(luò)版彩圖)彩色顯著特征的提取.(a1)PET圖像;(a2)PET圖像的CSF;(b1)SPECT圖像;(b2)SPECT圖像的CSF

PA-SPCNN模型的結(jié)構(gòu)圖


本文編號：3082998