10.3969/j.issn.1001-5078.2014.04.22
基于多聚类中心和PCNN的医学图像融合算法
提出一种基于K-means Clustering和脉冲耦合神经网络(PCNN)的图像融合的方法,首先,以多特征信息为聚类方式利用K-means Clustering分割提取源图像的对应特征点,通过归类合并建立多模医学图像的特征点集合,根据特征点分布将图像划分为纹理区域和非纹理区域,纹理区域对应系数输入PCNN得到点火映射图,根据点火次数选择融合系数,非纹理区域的系数通过双通道PCNN进行融合。实验结果表明,该算法能够精确划分图像纹理区域,进而利用PCNN和双通道PCNN在图像不同区域系数选择各自的优势,融合图像纹理清晰,质量改善。
多特征、K均值聚类、脉冲耦合神经网络、医学图像融合
TP391.41(计算技术、计算机技术)
国家自然科学基金No.61261028;教育部“春晖计划”No.Z2009-1-01033;内蒙古自治区高等学校科学研究项目基金No.NJ10097;内蒙古自然科学基金项目No.2010MS0907资助。
2014-06-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
452-456