基于多聚类中心和PCNN的医学图像融合算法

摘要：

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。

关键词：多特征、K均值聚类、脉冲耦合神经网络、医学图像融合

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。

在线出版日期：2014-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：452-456