结合稀疏表示与神经网络的医学图像融合 |
| |
引用本文: | 陈轶鸣,夏景明,陈轶才,周刚.结合稀疏表示与神经网络的医学图像融合[J].河南科技大学学报(自然科学版),2018(2). |
| |
作者姓名: | 陈轶鸣 夏景明 陈轶才 周刚 |
| |
作者单位: | 南京信息工程大学电子与信息工程学院;华北电力大学机械工程学院; |
| |
摘 要: | 临床辅助诊断对医学图像视觉效果提出了较高的要求,但非下采样轮廓波变换(NSCT)分解获得的低频子带系数不具有稀疏性,不利于保持源图像的细节信息。针对上述问题,提出了一种结合稀疏表示与脉冲耦合神经网络(PCNN)的医学图像融合算法。首先,通过NSCT将源图像分解成低、高频子带系数;其次,利用K奇异值分解(K-SVD)法训练低频子带系数获取过完备字典D,利用正交匹配追踪(OMP)算法稀疏编码低频子带系数,完成低频子带稀疏系数的融合。然后,利用高频子带的空间频率激励脉冲耦合神经网络,根据点火次数选择高频子带的融合系数。最后,将融合的低、高频子带系数通过NSCT逆变换重构出融合的医学图像。实验结果表明:对于边缘信息传递因子Q~(AB/F)指标,该算法灰度和彩色图像融合结果相比于对比算法约提升了34%和10%,且融合结果综合性能优于现有算法。
|
本文献已被 CNKI 等数据库收录! |
|