结构相似度优化的混合多尺度医学图像融合

作者：李云航; 潘晴; 田妮莉

来源：计算机工程, 2023, 1-7.

DOI：10.19678/j.issn.1000-3428.0067853

• 医学图像融合
• 多尺度分解
• 潜在低秩表示
• 非下采样轮廓波变换
• 脉冲耦合神经网络

现有的多模态医学图像融合方法存在结构信息和相位特征保存不完整问题，为此提出了一种基于混合多尺度分解和结构相似度优化的医学图像融合方法。首先，针对单一滤波器在保留图像的结构和细节方面的局限性，提出了一种多尺度分解潜在低秩表示（MDLatLRR）和非下采样轮廓波变换（NSCT）结合的混合多尺度分解方法，先利用MDLatLRR分解源图像获取低秩层和显著层，再使用NSCT对低秩层做进一步的分解；其次，在基础层上使用了基于局部拉普拉斯能量和的融合规则，使融合图像具有更好的视觉效果；对于细节层，则是通过脉冲耦合神经网络（PCNN）计算全局耦合获得融合权重，从而融合细节层；最后，考虑到空间一致性，由初始融合图像获取线性调整图像，利用加权局部结构相似度进行测量从而得到修正系数，并对初始融合图像进行修正，从而提高融合图像中信息的准确性。实验证明，相比于MSMG、EMFusion和CFL等9种方法，本文提出的方法在归一化互信息和空间频率误差比等10个客观评价指标上评估性能更高。特别在相位一致性、余弦特征互信息以及差异相关和指标上分别比第二平均提升了13.89%、19.62%和35.8%，融合图像具有更丰富、准确的细节信息和良好的视觉效果。

• 单位
  广东工业大学