峰值皮层模型耦合Weber局部描述符的图像融合算法

摘要：

为了解决当前医学图像融合(Medical Image Fusion,MIF)方法易产生伪影,丢失部分图像细节,以及对比度较低的问题,本文提出了一种新的峰值皮层模型(Spiking Cortical Model,SCM)耦合WLD (Weber Local Descriptor)的图像融合算法.首先,通过SCM对源图像进行分解,获得不同的二进制脉冲图像;其次,利用输出脉冲图像生成点火映射图像,并构建了SCM脉冲输出点火数量的融合准则;然后,结合SCM脉冲输出的信息熵与点火映射图像的Weber局部描述这二者的相似性来计算融合权重,完成图像融合.通过实验表明:与当前常用的MIF算法相比,本文所提算法具有更好的视觉效果,其融合图像质量与对比度更高,同时,在客观评价标准IE,MI,AG,SSIM方面也具有更大的优势,有效地保持了源图像的有效信息.

关键词：医学图像融合、Weber局部描述、峰值皮层模型、点火映射、信息熵、融合权重

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61033010;广东省自然科学基金项目S011020001182

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：130-138