论文摘要
目的针对基于稀疏编码的医学图像融合方法存在的细节保存能力不足的问题,提出了一种基于卷积稀疏表示双重字典学习与自适应脉冲耦合神经网络(PCNN)的多模态医学图像融合方法。方法首先通过已配准的训练图像去学习卷积稀疏与卷积低秩子字典,在两个字典下使用交替方向乘子法(ADMM)求得其卷积稀疏表示系数与卷积低秩表示系数,通过与对应的字典重构得到卷积稀疏与卷积低秩分量;然后利用改进的的拉普拉斯能量和(NSML)以及空间频率和(NMSF)去激励PCNN分别对卷积稀疏与卷积低秩分量进行融合;最后将融合后的卷积稀疏与卷积低秩分量进行组合得到最终的融合图像。结果对灰度图像与彩色图像进行实验仿真并与其他融合方法进行比较,实验结果表明,所提出的融合方法在客观评估和视觉质量方面明显优于对比的6种方法,在4种指标上都有最优的表现;与6种多模态图像融合方法相比,3组实验平均标准差分别提高了7%、10%、5. 2%;平均互信息分别提高了33. 4%、10. 9%、11. 3%;平均空间频率分别提高了8. 2%、9. 6%、5. 6%;平均边缘评价因子分别提高了16. 9%、20. 7%、21. 6%。结论与其他稀疏表示方法相比,有效提高了多模态医学图像融合的质量,更好地保留了源图像的细节信息,使融合图像的信息更加丰富,符合人眼的视觉特性,有效地辅助医生进行疾病诊断。
论文目录
文章来源
类型: 期刊论文
作者: 王丽芳,窦杰亮,秦品乐,蔺素珍,高媛,张程程
关键词: 医学图像融合,双重字典学习,卷积稀疏,卷积低秩,脉冲耦合神经网络
来源: 中国图象图形学报 2019年09期
年度: 2019
分类: 信息科技,基础科学,医药卫生科技
专业: 生物学,生物医学工程,计算机软件及计算机应用,自动化技术
单位: 中北大学大数据学院山西省生物医学成像与影像大数据重点实验室
基金: 山西省自然科学基金项目(201701D121062)~~
分类号: R318;TP391.41;TP183
页码: 1588-1603
总页数: 16
文件大小: 9663K
下载量: 241
相关论文文献
- [1].基于改进PCNN决策的非对称裁剪中值去噪方法[J]. 仪表技术与传感器 2019(10)
- [2].基于网格搜索算法的PCNN模型参数自适应[J]. 计算机工程与设计 2017(01)
- [3].PCNN的周期特性分析[J]. 云南大学学报(自然科学版) 2015(01)
- [4].PCNN Model Analysis and Its Automatic Parameters Determination in Image Segmentation and Edge Detection[J]. Chinese Journal of Electronics 2014(01)
- [5].两类基于PCNN的图像融合算法综述[J]. 计算机时代 2020(06)
- [6].基于改进PCNN模型的椒盐噪声级化滤波方法[J]. 云南大学学报(自然科学版) 2017(01)
- [7].基于遗传算法和简化PCNN的裂缝检测方法[J]. 计算机应用研究 2017(06)
- [8].基于PCNN赋时矩阵的图像特征捆绑方法研究[J]. 烟台职业学院学报 2015(04)
- [9].基于强度PCNN的静态图像人脸识别[J]. 太原理工大学学报 2015(01)
- [10].医学图像分割处理中改进型PCNN模型的应用综述[J]. 甘肃科技 2015(19)
- [11].PCNN图像分割技术研究[J]. 现代电子技术 2014(02)
- [12].基于小波变换的PCNN网络流量预测算法[J]. 计算机工程与应用 2014(16)
- [13].PCNN理论研究进展及其语音识别中的应用[J]. 自动化与仪器仪表 2013(01)
- [14].PCNN和最大相关准则相结合的图像分割方法[J]. 计算机工程与应用 2011(14)
- [15].单一链接PCNN自适应脉冲噪声滤波[J]. 计算机工程与应用 2011(27)
- [16].基于加性耦合连接的PCNN模型[J]. 现代电子技术 2011(22)
- [17].图像分割中PCNN的应用研究[J]. 电脑开发与应用 2010(03)
- [18].基于微分进化的PCNN图像分割方法[J]. 计算机工程 2010(21)
- [19].一种基于PCNN和自适应中值滤波的去噪方法[J]. 西南民族大学学报(自然科学版) 2010(06)
- [20].基于矢量的PCNN模型及其应用[J]. 微计算机信息 2009(12)
- [21].基于PCNN模型的图像分割研究[J]. 网络安全技术与应用 2009(04)
- [22].PCNN与粗集理论用于多聚焦图像融合[J]. 电子科技大学学报 2009(04)
- [23].PCNN图像分割技术进展综述[J]. 科技信息 2009(25)
- [24].基于PCNN的图像融合新方法[J]. 光电工程 2008(01)
- [25].基于修正PCNN的多传感器图像融合方法[J]. 中国图象图形学报 2008(02)
- [26].PCNN与行程编码结合的图像压缩方法[J]. 计算机工程与应用 2008(20)
- [27].基于萤火虫优化的自适应PCNN遥感图像融合[J]. 哈尔滨工程大学学报 2019(03)
- [28].基于PCNN内部活动项的彩色图像增强算法[J]. 计算机科学 2019(S1)
- [29].基于PCNN的图像最佳二值分割实现[J]. 河北工业大学学报 2017(06)
- [30].基于压缩感知与自适应PCNN的医学图像融合[J]. 计算机工程 2018(09)
标签：医学图像融合论文; 双重字典学习论文; 卷积稀疏论文; 卷积低秩论文; 脉冲耦合神经网络论文;