1 簡介

目的:融合PET/CT/MRI醫(yī)學(xué)圖像,使結(jié)果圖像盡可能包含更多邊緣和紋理特征等信息,以更好地區(qū)分病變,腫瘤與正常組織器官,為疾病診斷提供更多的有用信息.方法:提出一種基于非下采樣剪切波變換(NSST)和脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)模型的融合方法.首先,根據(jù)圖像局部區(qū)域能量和,對圖像NSST低頻系數(shù)進(jìn)行加權(quán)融合;然后,根據(jù)PCNN神經(jīng)元的點火次數(shù),選擇圖像NSST高頻方向系數(shù);最后,通過逆NSST變換,得到融合后的圖像.結(jié)果:分別對7組MRI/PET和CT/PET圖像進(jìn)行融合實驗,其結(jié)果圖像具有很好的視覺效果,且在互信息,邊緣相似性,梯度相似性及空間頻率4個指標(biāo)綜合評價中較其它算法更優(yōu).結(jié)論:本方法可以自適應(yīng)捕獲邊緣和紋理信息,具有良好的融合效果.?

2 部分代碼

clear all;close all;clc;%% NSST tool boxaddpath(genpath('shearlet'));%%A=imread('sourceimages/s02_MR.tif'); %anatomical imageB=imread('sourceimages/s02_PET.tif'); %functional image?img1 = double(A)/255;img2 = double(B)/255;img2_YUV=ConvertRGBtoYUV(img2);img2_Y=img2_YUV(:,:,1);[hei, wid] = size(img1);?% image fusion with NSST-PAPCNN imgf_Y=fuse_NSST_PAPCNN(img1,img2_Y); ?imgf_YUV=zeros(hei,wid,3);imgf_YUV(:,:,1)=imgf_Y;imgf_YUV(:,:,2)=img2_YUV(:,:,2);imgf_YUV(:,:,3)=img2_YUV(:,:,3);imgf=ConvertYUVtoRGB(imgf_YUV);?F=uint8(imgf*255);figure;subplot(131);imshow(A);title('圖1')subplot(132);imshow(B);title('圖2')?subplot(133);imshow(F);title('融合圖');imwrite(F,'results/fused.tif');??

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]田娟秀, 劉國才. 基于NSST變換和PCNN的醫(yī)學(xué)圖像融合方法[J]. 中國醫(yī)學(xué)物理學(xué)雜志, 2018, 35(8):7.

博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機(jī)、圖像處理、路徑規(guī)劃、無人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。

總結(jié)

以上是生活随笔為你收集整理的【图像融合】基于NSST结合PCNN实现图像融合附matlab代码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。