摘要
针对传统医学图像融合中存在细节模糊、能量保存不完整、运行时间长等问题,提出一种基于非下采样剪切波(non-subsampled shearlet transform,NSST)域混合滤波与改进边缘检测脉冲耦合神经网络(pulse coupled neural network,PCNN)的医学图像融合方法.首先,利用YUV模型进行颜色空间转换分离出亮度通道Y,接着利用混合滤波分别对源核磁共振(magnetic resonance im-aging,MRI)图像和亮度通道的灰度图像进行不同程度的增强.其次,采用NSST对增强后的MRI和亮度通道的灰度图像进行分解,得到高低频子带.低频子带使用修正的拉普拉斯能量和(weighted sum of eight-neighborhood-based modified Laplacian,WSEML)与局部区域能量加权和(weight local energy,WLE)的融合策略,高频子带采用改进边缘检测PCNN的融合策略.最后,经NSST逆变换得到融合图像.通过与其他6种融合方法对比,本文方法可以有效提高图像融合过程中的细节提取和能量保存,且整体算法运行效率高、可视性好.
维普
万方数据