一种适用于多模态医学图像融合的自适应脉冲耦合神经网络改进算法

摘要：

针对医学图像融合存在伪影、边缘保持性弱等问题,提出了一种参数自适应的脉冲耦合神经网络(pulse coupled neu-ral network,PCNN)图像融合方法.首先,对源图像通过非下采样Contourlet变换(non-subsampled contourlet transform,NSCT)得到一个低通子带和多个尺度多个方向下的带通子带.然后用区域标准差调整连接范围,进而调整突触权重矩阵以及加权系数;用各子带的改进空间频率中方向特征最显著的分量调整连接强度;对于外部激励,低通子带用区域能量和区域方差的线性组合计算,带通方向子带采用改进的拉普拉斯能量和计算.点火映射图的判决遵循取大原则.最后,通过NSCT逆变换得到融合结果图.实验结果表明,此算法能更多地保留源图像的信息,边缘保持能力更强,融合图像对比度高,视觉效果更佳,适用于多种模态医学图像之间的融合.

关键词：图像处理、医学图像融合、自适应脉冲耦合神经网络、改进空间频率、区域特征、改进拉普拉斯能量和

所属期刊栏目：20

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技发展计划20180623008TC

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9116-9121