基于改進PCNN和稀疏表示的非下采樣剪切波域醫(yī)學圖像融合.pdf

1、隨著醫(yī)學成像技術的不斷發(fā)展，涌現(xiàn)了多種具備不同功能的先進醫(yī)學成像設備，為臨床的診斷和治療提供了多種模態(tài)的醫(yī)學影像。但單一模態(tài)醫(yī)學圖像對同一人體器官組織的成像只能反映有限的結構、形態(tài)和功能信息，滿足不了臨床診斷和治療的需要。醫(yī)學圖像融合技術就是充分利用不同多模態(tài)圖像的有用和互補信息獲得更全面更準確的圖像，提高醫(yī)生診斷率。
　　本文以不同模態(tài)的醫(yī)學圖像為研究對象，從多尺度變換和融合算法兩個角度分析圖像融合，提出了基于改進脈沖耦合神經(jīng)網(wǎng)

2、絡(PCNN)和稀疏表示的非下采樣剪切波變換域的醫(yī)學圖像融合。由于經(jīng)過非下采樣剪切波變換分解產(chǎn)生的低頻系數(shù)不具有良好稀疏性，因此將稀疏表示(SR)引入低頻圖像融合過程，為了更多保留圖像細節(jié)信息，采取能量方差加權求和的方法融合稀疏系數(shù)。分解產(chǎn)生的高頻系數(shù)稀疏性良好，各像素點間具有較強相關性，將PCNN引入高頻圖像融合過程以提高融合精度。針對單個像素輸入PCNN存在融合效果不佳的問題，將改進拉普拉斯能量和(SML)作為PCNN輸入項；針對鏈