NSST 和改进 PCNN 相结合的甲状腺图像融合

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。

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

所属期刊栏目：43

分类号：TP911.73

资助基金：河北大学医工交叉研究中心开放基金项目BM201103

在线出版日期：2016-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：42-48,55