基于经验模态分解提取纹理的图像融合算法

摘要：

为了提升医学图像融合质量，采用了一种基于2维经验模态分解（ BEMD）特征分类和复合型脉冲耦合神经网络的医学图像融合算法。首先将多模医学图像经过BEMD分解成2维内蕴模函数（ BIMF）和残差项，然后分别将BIMF层和残差项值输入脉冲耦合神经网络（ PCNN）中，得到各自的点火映射图，再将相同点火次数的像素提取归类，点火次数大的对应图像纹理，归为纹理类，其余归为背景类；统计各个纹理类集合中的像素极值确定灰度分布范围，最后将两幅图像中纹理类像素集合处于灰度分布范围的像素通过PCNN进行融合，其它像素通过双通道PCNN进行融合。结果表明，该算法解决了PCNN对偏暗图像的处理效果不理想的问题，与传统融合算法相比，性能具有优势，且能够较大幅度提高融合图像的质量。

关键词：图像处理、医学图像融合、2维经验模态分解、2维内蕴模函数、脉冲耦合神经网络、特征提取

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61261028

在线出版日期：2014-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：463-468