發(fā)布時(shí)間：2023-05-13 02:46

　　針對(duì)CT和MRI圖像融合邊緣模糊、有偽影等問題,提出了一種改進(jìn)引導(dǎo)濾波與自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)相結(jié)合的圖像融合方法。首先,對(duì)源圖像通過非下采樣Contourlet變換(Non-subsampled Contourlet Transform,NSCT)得到低通子帶和帶通子帶。然后對(duì)低通子帶采用自適應(yīng)的PCNN進(jìn)行融合。其中,用改進(jìn)的平均梯度作為連接強(qiáng)度;用改進(jìn)的拉普拉斯能量和作為外部激勵(lì);點(diǎn)火映射圖的判決遵循取大原則。對(duì)于帶通子帶采用改進(jìn)的引導(dǎo)濾波進(jìn)行融合。最后,通過NSCT逆變換得到融合結(jié)果圖。多組CT和MRI圖像融合實(shí)驗(yàn)結(jié)果表明,此算法能更多地保留源圖像的信息,邊緣保持能力更強(qiáng)。融合圖像對(duì)比度高,視覺效果更佳,在CT和MRI醫(yī)學(xué)圖像融合方面效果顯著。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 基本原理
    1.1 NSCT
    1.2 PCNN簡(jiǎn)化模型
    1.3 引導(dǎo)濾波
2 本文算法
    2.1 融合算法步驟
    2.2 融合規(guī)則
3 實(shí)驗(yàn)結(jié)果及分析
4 結(jié)論



本文編號(hào)：3815140