基于多尺度边缘保持分解与PCNN的医学图像融合OA北大核心CSCDCSTPCD
Medical Image Fusion Based on Multi-Scale Edge-Preserving Decomposition and PCNN
在医学图像融合过程中,传统多尺度分析方法多采用线性滤波器,由于无法保留图像边缘特征导致分解阶段的强边缘处出现模糊,从而产生光晕.为提高融合图像的视觉感知效果,通过结合多尺度边缘保持分解方法与脉冲耦合神经网络(PCNN),提出一种新的图像融合方法.对源图像进行加权最小二乘滤波分解得到图像的基础层和细节层,采用高斯滤波器对基础层进行二次分解得到低频层和边缘层,将分解过程中每级边缘层和细节层叠加构建高频层,并引入非下采样方向滤波器组进行方向分析.在此基…查看全部>>
郭淑娟;高媛;秦品乐;王丽芳
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,太原 030051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,太原 030051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,太原 030051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,太原 030051
信息技术与安全科学
加权最小二乘滤波非下采样方向滤波器组边缘保持分解多尺度分析脉冲耦合神经网络医学图像融合
《计算机工程》 2021 (3)
276-283,8
山西省自然科学基金(201901D111152).