NSST域内结合UDWT与PCNN医学图像融合算法

发布时间：2022-02-21 23:53

　　为了进一步突出医学融合图像的细节信息,提升清晰度,本文提出NSST域内结合UDWT与PCNN医学图像融合算法。首先,将两幅源图像分别通过NSST进行分解,获得相应的低频和高频子带。在低频融合规则中,采用UDWT将低频子带进一步分解为能量子带与细节子带,进一步利用PCNN融合这两幅源图像对应的低频能量子带;利用区域能量和融合这两幅源图像的低频细节子带,再应用逆UDWT融合低频细节子带和能量子带。其次,在高频融合规则中,采取UDWT分别将A和B两幅源图像对应的高频子带进一步分解为高频能量子带与高频细节子带,再根据拉普拉斯能量和与区域能量和的组合,获取融合后的高频子带。最后,利用逆NSST获取融合图像。实验证明,本文提出的算法与现有主流算法相比,实验结果在视觉效果和客观指标方面均具有较大优势。 

【文章来源】：光电子·激光. 2020,31(11)北大核心CSCD

【文章页数】：9 页

【文章目录】：
1 引 言
2 基本原理
    2.1 NSST[11]
    2.2 UDWT[13]
    2.3 PCNN[14]
    2.4 PCNN参数设置
3 融合规则
    3.1 低频融合规则
    3.2 高频融合规则
4 实验仿真
5 结 论


【参考文献】：
期刊论文
[1]参数自适应脉冲耦合神经网络的医学图像融合算法[J]. 李俊峰,朱文维.  光电子·激光. 2019(11)
[2]基于多分辨率Trace变换的纹理图像分类[J]. 黎明,邢冬冬,汪宇玲.  电子学报. 2019(04)
[3]卷积稀疏表示和邻域特征结合的多聚焦图像融合[J]. 董安勇,杜庆治,龙华,邵玉斌.  光电子·激光. 2019(04)
[4]基于边缘和多特征选择的多聚焦图像融合[J]. 李美丽,高楠,折延宏,陆爱国.  光电子·激光. 2019(03)
[5]基于NSST与改进PCNN的红外与可见光图像融合方法[J]. 李敏,苑贤杰,骆志丹,邱晓华.  光电子·激光. 2019(02)
[6]基于非下采样剪切波变换的医学图像边缘融合算法研究[J]. 李晓军,戴文战,李俊峰.  光电子·激光. 2018(09)
[7]基于NSST和改进PCNN的医学图像融合[J]. 赵丹,戴文战,李俊峰.  光电子·激光. 2018(01)
[8]基于NSCT的多模态医学图像融合算法的研究[J]. 徐磊,曹艳.  中国医疗设备. 2017(12)
[9]基于人眼视觉特性与自适应PCNN的医学图像融合算法[J]. 戴文战,潘树伟,李俊峰.  光电子·激光. 2017(07)
[10]一种自适应区域融合规则多聚焦图像融合算法[J]. 程德强,陈刚,高凌志,厉航,黄晓丽,满广毅.  激光与光电子学进展. 2017(10)



本文编号：3638269