NSST和改进PCNN相结合的甲状腺图像融合.PDF

第 43 卷第 10 期 光电工程 Vol.43, No.10 2016 年 10 月 Opto-Electronic Engineering Oct, 2016 文章编号：1003-501X(2016)10-0042-07 NSST 和改进 PCNN 相结合的甲状腺图像融合 1a, 2 1a, 2 1b 郑 伟 ，赵成晨 ，郝冬梅 ( 1. 河北大学 a. 电子信息工程学院；b. 附属医院，河北 保定 071002; 2. 河北省数字医疗工程重点实验室，河北 保定 071002 ) 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。 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 中图分类号：TP911.73 文献标志码：A doi：10.3969/j.issn.1003-501X.2016.10.008 Thyroid Image Fusion Based on NSST and Improved PCNN ZHENG Wei1a,2 ，ZHAO Chengchen1a,2 ，HAO Dongmei1b ( 1. a. Electronic Information Engineering College ; b. Affiliated Hospital of Hebei University , Hebei University, Baoding 071002, Hebei , China; 2. Key Laboratory of Hebei on Digital Medical Engineering, Baoding 071002, Hebei , China ) Abstract: According to the characteristics of type-B ultrasonic image with low contrast and SPECT image with low spatial resolution, an image fusion algorithm based on Nonsubsampled Shearlet Transform (NSST) and improved Pulse Coupled Neural Network (PCNN) is proposed. The NSST is used to decompose two registered source images, and low frequency sub-band coefficients and high frequency sub-band coefficients with differen