基于简化自适应脉冲耦合神经网络模型和非下采样剪切波变换的多模态图像融合算法研究

摘要：

目的:提出一种简化自适应脉冲耦合神经网络(PCNN)模型和非下采样剪切波变换(NSST)的CT和MR图像融合算法,用于PCNN模型构建融合规则.方法:采用NSST变换将已配准的CT和MR图像分解成高频和低频子图像,分别采用基于平方差之和与方向梯度特征之和的PCNN模型融合低频子图像;而高频子图像采用绝对值取大与方向梯度特征之和进行融合.采用NSST逆变换重建融合图像,选取哈佛大学脑图库8组临床实例的CT和MR图像进行仿真试验,仿真算法为本研究算法和5种基于NSST变换的融合算法,采用互信息、空间频率、标准差、边缘强度和相似度对融合图像质量进行评估.结果:定性分析与其他5种基于NSST变换的算法相比,基于图像融合算法获得的融合图像对比度、清晰度和边缘强度均最佳;本研究算法所得定量结果中互信息为2.71％～13.63％,空间频率为12.25％～73.69％,标准差为1.86％～26.33％,边缘强度为0.37％～29.90％,相似度为0.37％～67.07％,均比5种基于NSST变换的算法有不同程度提升.结论:基于简化自适应PCNN模型和NSST变换的融合算法性能优越,是一种可行的CT和MR图像融合算法.

关键词：脉冲耦合神经网络(PCNN);非下采样剪切波变换(NSST);计算机断层扫描(CT);磁共振成像(MRI);图像融合

所属期刊栏目：18

分类号：R812(放射医学)

在线出版日期：2021-10-13（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：1-5