基于改進(jìn)PCNN和稀疏表示的非下采樣剪切波域醫(yī)學(xué)圖像融合.pdf

1、隨著醫(yī)學(xué)成像技術(shù)的不斷發(fā)展，涌現(xiàn)了多種具備不同功能的先進(jìn)醫(yī)學(xué)成像設(shè)備，為臨床的診斷和治療提供了多種模態(tài)的醫(yī)學(xué)影像。但單一模態(tài)醫(yī)學(xué)圖像對(duì)同一人體器官組織的成像只能反映有限的結(jié)構(gòu)、形態(tài)和功能信息，滿足不了臨床診斷和治療的需要。醫(yī)學(xué)圖像融合技術(shù)就是充分利用不同多模態(tài)圖像的有用和互補(bǔ)信息獲得更全面更準(zhǔn)確的圖像，提高醫(yī)生診斷率。
　　本文以不同模態(tài)的醫(yī)學(xué)圖像為研究對(duì)象，從多尺度變換和融合算法兩個(gè)角度分析圖像融合，提出了基于改進(jìn)脈沖耦合神經(jīng)網(wǎng)

2、絡(luò)(PCNN)和稀疏表示的非下采樣剪切波變換域的醫(yī)學(xué)圖像融合。由于經(jīng)過(guò)非下采樣剪切波變換分解產(chǎn)生的低頻系數(shù)不具有良好稀疏性，因此將稀疏表示(SR)引入低頻圖像融合過(guò)程，為了更多保留圖像細(xì)節(jié)信息，采取能量方差加權(quán)求和的方法融合稀疏系數(shù)。分解產(chǎn)生的高頻系數(shù)稀疏性良好，各像素點(diǎn)間具有較強(qiáng)相關(guān)性，將PCNN引入高頻圖像融合過(guò)程以提高融合精度。針對(duì)單個(gè)像素輸入PCNN存在融合效果不佳的問(wèn)題，將改進(jìn)拉普拉斯能量和(SML)作為PCNN輸入項(xiàng)；針對(duì)鏈