结合稀疏表示与神经网络的医学图像融合
陈轶鸣1
夏景明1
陈轶才2
周刚1
1.南京信息工程大学电子与信息工程学院,江苏南京,2100442.华北电力大学机械工程学院,河北保定,071000
摘要：临床辅助诊断对医学图像视觉效果提出了较高的要求,但非下采样轮廓波变换(NSCT)分解获得的低频子带系数不具有稀疏性,不利于保持源图像的细节信息.针对上述问题,提出了一种结合稀疏表示与脉冲耦合神经网络(PCNN)的医学图像融合算法.首先,通过NSCT将源图像分解成低、高频子带系数;其次,利用K奇异值分解(K-SVD)法训练低频子带系数获取过完备字典D,利用正交匹配追踪(OMP)算法稀疏编码低频子带系数,完成低频子带稀疏系数的融合.然后,利用高频子带的空间频率激励脉冲耦合神经网络,根据点火次数选择高频子带的融合系数.最后,将融合的低、高频子带系数通过NSCT逆变换重构出融合的医学图像.实验结果表明:对于边缘信息传递因子QAB/F指标,该算法灰度和彩色图像融合结果相比于对比算法约提升了34%和10%,且融合结果综合性能优于现有算法.
关键词：非下采样轮廓波变换K奇异值分解正交匹配追踪稀疏表示脉冲耦合神经网络
分类号：TN911.73(通信)
资助基金：国家自然科学基金(41505017)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 40-47 )
英文信息