10.7510/jgjs.issn.1001-3806.2014.04.007
基于经验模态分解提取纹理的图像融合算法
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。
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
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61261028
2014-08-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
463-468