基于第二代Bandelet变换和PCNN的多模态医学图像融合
Bandelet变换是一种基于边缘的图像表示方法,能自适应地跟踪图像的几何正则方向,利用图像几何正则性,实现最佳稀疏表示.PCNN是一种简化的神经网络,不需要学习或者训练就能从复杂背景下提取有效信息.为了得到更好的融合效果,本文利用Bandelet描述几何流,再通过PCNN融合几何流,定义了基于稀疏相似度的几何流优化规则,提出基于第二代Bandelet变换和PCNN的多模态医学图像融合新算法BT-PCNN.本文算法有效改善了融合效果,融合图像边缘、纹理清晰,整体效果极佳;灰度均值、标准差、平均梯度、互信息等指标都优于现有的平均值融合算法、拉普拉斯金字塔算法以及基于小波变换和PCNN的WT-PCNN算法.
多模态医学图像 图像融合 Bandelet变换 脉冲耦合神经网络
林哲 闫敬文
汕头职业技术学院计算机系,广东汕头515078 汕头大学工学院电子工程系,广东汕头515063
国内会议
第十六届全国图象图形学学术会议 暨第六届立体图象技术学术研讨会
长春
中文
929-932
2012-07-30（万方平台首次上网日期，不代表论文的发表时间）