NSST 和改进 PCNN 相结合的甲状腺图像融合

• 作者: 赵成晨 郑伟 郝冬梅
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 图像融合 甲状腺肿瘤 非下采样 Shearlet 变换 脉冲耦合神经网络
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: ?图像与信号处理?
• 页码范围: 42-48,55
• 页数: 8页
• 分类号: TP911.73
• 字数: 4275字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2016.10.008

摘要

针对甲状腺 B 超图像的低对比度和 SPECT 图像的低空间分辨率的特点，提出了一种基于非下采样 Shearlet变换(NSST)和改进脉冲耦合神经网络(PCNN)相结合的图像融合算法。本文用 NSST 将两幅经过精确配准的源图像分解，得到低频子带系数以及不同尺度和方向的高频子带系数。低频系数采取区域能量取大的融合规则，高频系数采取改进的 PCNN 算法，将改进的拉普拉斯能量和作为 PCNN 的输入项，梯度能量作为 PCNN 的链接强度，利用点火输出幅度总和取大的融合规则选择高频系数，最后通过 NSST 逆变换得到融合图像。实验结果表明，本文所提出的算法在主观视觉和客观标准上均取得良好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝冬梅		15	84	7.0	8.0
2	郑伟	河北大学电子信息工程学院	34	210	9.0	13.0
6	赵成晨	河北大学电子信息工程学院	2	12	2.0	2.0