结合稀疏表示与神经网络的医学图像融合

• 作者: 周刚 夏景明 陈轶才 陈轶鸣
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 非下采样轮廓波变换 K奇异值分解 正交匹配追踪 稀疏表示 脉冲耦合神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 电工电信、自动化与计算机
• 页码范围: 40-47
• 页数: 8页
• 分类号: TN911.73
• 字数: 4259字
• 语种: 中文
• DOI: 10.15926/j.cnki.issn1672-6871.2018.02.008

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QAB/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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏景明	南京信息工程大学电子与信息工程学院	26	114	6.0	10.0
2	陈轶鸣	南京信息工程大学电子与信息工程学院	4	12	2.0	3.0
3	周刚	南京信息工程大学电子与信息工程学院	3	14	2.0	3.0
4	陈轶才	华北电力大学机械工程学院	2	11	2.0	2.0