资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
机构：
[1]河北大学电子信息工程学院
[2]河北省数字医疗工程重点实验室
[3]河北大学附属医院
河北大学附属医院
出处：
ISSN：
关键词：
图像融合
甲状腺肿瘤
非下采样Shearlet变换
脉冲耦合神经网络
摘要：
针对甲状腺B超图像的低对比度和SPECT图像的低空间分辨率的特点,提出了一种基于非下采样Shearlet变换（NSST）和改进脉冲耦合神经网络（PCNN）相结合的图像融合算法。本文用NSST将两幅经过精确配准的源图像分解,得到低频子带系数以及不同尺度和方向的高频子带系数。低频系数采取区域能量取大的融合规则,高频系数采取改进的PCNN算法,将改进的拉普拉斯能量和作为PCNN的输入项,梯度能量作为PCNN的链接强度,利用点火输出幅度总和取大的融合规则选择高频系数,最后通过NSST逆变换得到融合图像。实验结果表明,本文所提出的算法在主观视觉和客观标准上均取得良好的效果。
基金：
河北大学医工交叉研究中心开放基金项目（BM201103）；
第一作者：
第一作者机构：
[1]河北大学电子信息工程学院
[2]河北省数字医疗工程重点实验室
推荐引用方式(GB/T 7714)：
郑伟,赵成晨,郝冬梅.nsst和改进pcnn相结合的甲状腺图像融合[J].光电工程.2016,43(10):42-48+55.
