科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了克服当前较多医学图像融合方法在采用图像的能量信息融合图像时，忽略了不同图像能量的关联度，使得融合结果存在细节丢失现象和模糊现象等问题，提出了一种非下采样Shearlet变换(NSST,non-subsampled shearlet transform)耦合能量关联度的医学图像融合算法；借助NSST变换，在多尺度下对输入医学图像进行解析，获取其低频及高频子带系数；以图像的能量信息为依据，构造能量关联度函数，测量不同图像的关联程度；根据不同图像的关联度，设计不同的低频子带融合规则，获取信息含量丰富且连贯性较好的融合低频子带；在空间频率函数的基础上，注入图像的对角信息，使之成为多元空间频率函数，以计算图像的清晰度；引入标准差函数，计算图像的对比度；联合图像的清晰度和对比度信息，获取纹理及对比度等特征都较优良的融合高频子带；基于逆NSST变换，重构融合结果；主观和客观实验结果表明，较当前较为流行的医学图像融合技术而言，所提方法具备更高的融合质量，呈现出更多的纹理细节和更高的清晰度。
- 单位
