基于简化脉冲耦合神经网络和改进稀疏表示的脑部图像融合算法

Brain image fusion algorithm based on simplified pulse coupled neural network and improved sparse representation

张亚加 ¹邱啟蒙 ¹高智强 ¹邵建龙¹

扫码查看

作者信息

1. 昆明理工大学信息工程与自动化学院,云南昆明650500
折叠

摘要

为解决单一模态脑部图像存在的局限性,进一步突出细节特征,增强视觉效果,提出一个基于多尺度边缘保持分解和改进稀疏表示(improved sparse representation,ISR)的算法框架.首先,分解源图像获得高频子带和低频子带.其次,采用多范数加权度量改进的稀疏表示融合低频子带,以多尺度形态学梯度(multiscale morphological gradient,MSMG)改进的引导滤波器去除细节特征;同时,经简化的脉冲耦合神经网络(simplified pulseoupled neural network,SPCNN)融合其高频子带.最后,逆变换得到融合后的脑部图像.实验证明,本文在边缘信息的保护,融合效率的提高,时间成本的节约等方面优势显著.

关键词

简化脉冲耦合神经网络(SPCNN)/改进稀疏表示(ISR)/多尺度边缘保持分解/多尺度形态学梯度(MSMG)/多范数加权度量

引用本文复制引用

基金项目

国家自然科学基金(61302042)

昆明理工大学教育技术研究项目(2506100219)

出版年

2022

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

参考文献量6

段落导航