-
题名利用邻域激励的自适应PCNN进行医学图像融合
被引量：4
- 1
-
-
作者
夏加星
段先华
魏世超
-
机构
江苏科技大学计算机科学与工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2011年第10期3929-3933,共5页
-
基金
国家自然科学基金资助项目(60773172)
江苏省自然科学基金资助项目(BK2008411)
-
文摘
对于不同模态的医学图像进行融合处理,可为临床提供新的诊断信息,设计了一种邻域空间频域激励的自适应PCNN医学图像融合新方法。首先,使用图像逐像素地改进拉普拉斯能量和(SML)清晰度作为PCNN对应神经元的链接强度;同时利用邻域空间频域(SF)特征信息激励每个神经元;然后,将源图像输入PCNN获得点火映射图构成的点火频数,再判定并选择各参与融合图像中的清晰部分生成融合图像。实验结果表明,该算法具有比经典金字塔方法、小波变换方法和传统的PCNN方法更好的融合性能。
-
关键词
医学图像融合
脉冲耦合神经网络
链接强度
改进拉普拉斯能量和
空间频域
-
Keywords
medical image fusion
PCNN
linking strength
SML
SF
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Sobel算子和局部能量的图像融合新算法
被引量：5
- 2
-
-
作者
魏世超
段先华
夏加星
-
机构
江苏科技大学计算机科学与工程学院
-
出处
《计算机技术与发展》
2012年第4期61-64,共4页
-
基金
江苏省自然科学基金(BK2008411)
-
文摘
文中提出一种新的基于小波变换的图像融合算法,以提高图像融合质量。首先应用小波变换将图像分为高频和低频部分,再对小波的高频和低频系数采用融合算法进行处理,最终将处理后的高频和低频小波系数进行融合。文中对低频系数采用基于Sobel算子的方法,有效保留边缘特征。对高频系数采用基于局部能量取大准则,有效保留高频的细节和区域特征。为了抑制噪声和控制图像的不稳定性,最后再对低频和高频系数的选择结果进行邻域窗口的一致性检验与调整。与传统金字塔方法和经典小波变换相比较,实验结果表明此方法融合效果较好。
-
关键词
图像融合
小波变换
SOBEL算子
局部能量
一致性检验
-
Keywords
image fusion
wavelet transform
Sobel operator
region energy
consistency checking
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于边缘特征和局域方差的图像融合新算法
被引量：3
- 3
-
-
作者
段先华
夏加星
-
机构
江苏科技大学计算机科学与工程学院
-
出处
《江苏科技大学学报（自然科学版）》
CAS
2012年第2期163-168,共6页
-
基金
国家自然科学基金资助项目(60773172)
江苏省自然科学基金资助项目(BK2008411)
-
文摘
针对传统小波变换图像融合过程中存在边缘丢失和纹理信息模糊的问题,设计了一种小波变换的图像融合新算法.对小波分解后的低频系数采用基于边缘特征的选择方法,使得融合图像较好地保留原图像中的边缘轮廓信息;高频系数采用基于局域方差取大准则,这样能够有效地将来自不同图像的纹理特征和细节有机融合起来;为了抑制噪声和控制图像的不稳定性,最后再对低、高频系数的选择结果进行邻域窗口的一致性检验与调整,保证了融合图像的稳定性和连续性.实验结果表明,该算法具有比经典金字塔方法和小波变换方法更好的融合性能.
-
关键词
图像融合
小波变换
边缘特征
局域方差
一致性检验
-
Keywords
image fusion
wavelet transform
edge feature
local variance
consistency verification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双通道脉冲耦合神经网络的应用研究
被引量：1
- 4
-
-
作者
郭新榀
段先华
夏加星
-
机构
江苏科技大学计算机科学与工程学院
-
出处
《科学技术与工程》
北大核心
2012年第34期9225-9233,共9页
-
基金
江苏省自然科学基金(BK2008411)资助
-
文摘
通过对双通道脉冲神经网络模型的改进,提出了一种邻域SEML激励的自适应双通道脉冲耦合神经网络医学图像融合的新方法。即通过提高模型的性能和脉冲神经网络进行自动化图像处理的能力。首先介绍了双通道脉冲耦合神经网络模型及其原理,然后阐述了基于这一模型的一种新融合算法,最后对本文融合算法以及各传统融合算法得到的实验仿真结果进行了分析。
-
关键词
医学图像融合
双通道
脉冲耦合神经网络
链接强度
空间频域
-
Keywords
medical image fusion two-channel PCNN linking strength SML
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
