發(fā)布時間：2024-07-06 06:36

　　針對非下采樣Contourlet變換(NSCT)后計算復雜度高以及醫(yī)學融合圖像質量差等問題,提出一種基于壓縮感知和脈沖耦合神經網(PCNN)的圖像融合方法。首先將源圖像進行NSCT單層分解;其次,對計算量較大的高頻子帶采用高斯隨機測量矩陣進行壓縮測量,融合規(guī)則選用絕對值取大的方法,對融合后的高頻圖像采用正交匹配追蹤算法(OMP)進行重構;然后對低頻子帶采用基于PCNN的融合規(guī)則,將低頻子帶系數作為信號激勵PCNN網絡,根據低頻圖像的特性選擇較大點火次數的系數作為低頻子帶融合系數;最后對高頻融合圖像和低頻融合圖像通過NSCT逆變換,得到最終的融合圖像。實驗結果表明:該算法無論從人眼視覺效果還是客觀評價指標上均優(yōu)于其他算法,且具有較強的魯棒性。

【文章頁數】：8 頁

【部分圖文】：

圖1NSCT變換的實現過程

是NSCT變換層級k=1的分解過程。隨著層級的增加，低頻子帶會在NSP上進行迭代操作，若圖像經過層級為k的NSCT變換后將得到1個低頻圖像和∑kk=12ik個高頻圖像，其中ik表示i在k級分解上的方向數。而NSCT逆變換是將分解濾波器進行恢復重建從而得到融合后的圖像。圖1為NSC....

圖2基于壓縮感知的圖像重構框架

圖3PCNN簡化模型結構

后將信號投影到測量值構成的正交空間上，最后得到信號在這一正交空間上的投影分量與殘差。圖2基于壓縮感知的圖像重構框架3脈沖耦合神經網絡(PCNN)PCNN自20世紀90年代由Eckhom提出以來，受到了人們廣泛的研究和應用。它是由多個神經元互聯而成的反饋性神經網絡，具有全局的耦合性....

圖4本文融合算法流程

ij(n)(7)Ykij(n)=1，Ukij(n)＞θkij(n)0，Ukij(n)≤θkij(n{)(8)式中:k為圖像的分解層數;n為迭代次數;Skij為神經元的外部輸入;Fkij，Lkij分別為神經元的反饋輸入和連接輸入;β為連接強度;W為連接權重;Ukij，Ykij分別為....

本文編號：4002204