基于多尺度边缘保持分解与PCNN的医学图像融合

• 作者: 郭淑娟 高媛 秦品乐 王丽芳
• 来源期刊: 计算机工程
• 关键词: 加权最小二乘滤波 非下采样方向滤波器组 边缘保持分解 多尺度分析 脉冲耦合神经网络 医学图像融合
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 276-283
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0059195

摘要

在医学图像融合过程中,传统多尺度分析方法多采用线性滤波器,由于无法保留图像边缘特征导致分解阶段的强边缘处出现模糊,从而产生光晕.为提高融合图像的视觉感知效果,通过结合多尺度边缘保持分解方法与脉冲耦合神经网络(PCNN),提出一种新的图像融合方法.对源图像进行加权最小二乘滤波分解得到图像的基础层和细节层,采用高斯滤波器对基础层进行二次分解得到低频层和边缘层,将分解过程中每级边缘层和细节层叠加构建高频层,并引入非下采样方向滤波器组进行方向分析.在此基础上,利用改进的空间频率以及区域能量激励PCNN融合高频层和低频层,通过逆变换得到最终的融合图像.实验结果表明,该方法能够突出医学图像的边缘轮廓并增强图像细节,可将更多的显著特征从源图像分离并转移到融合图像中.