基于非下采样Contourlet变换的医学图像融合改进方法

为了进一步改善医学图像融合质量,提出一种基于NSCT(非下采样Contourlet变换)与区域点火PCNN(脉冲耦合神经网络)的医学图像融合方法。该方法在低频子带系数采用基于区域点火PCNN的融合规则,应用PCNN改进的简化模型,将低频子带系数作为信号激励PCNN网络,利用点火区域强度分析区域点火特性,根据区域点火特性确定低频子带融合系数;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进的拉普拉斯能量作为带通方向子带系数的融合规则。实验结果表明,该方法与传统

针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域能量的融合规则;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则。实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果。