换一批基于在线字典学习和脉冲耦合神经网络的脑图像融合
Brain Image Fusion Based on Online Dictionary Learning and Pulse Coupled Neural Network
摘要医学图像融合是医学影像和放射医学等领域的研究热点之一,广受医学界和工程界重视.提出一种基于在线字典学习(ODL)和脉冲耦合神经网络(PCNN)的脑部CT和MR图像融合新算法.首先,利用滑动窗技术将源图像分块,使用ODL算法和最小角回归算法(LARS)得到各图像块对应列向量的稀疏编码;其次,将稀疏编码作为脉冲耦合神经网络的外部输入刺激信号进行迭代处理,根据点火次数确定融合系数;最后,根据融合系数和学习字典重构融合图像.基于哈佛医学院的10组脑部CT和MR数据,将所提出算法同基于KSVD的融合算法、基于ODL的融合算法、基于NSCT的融合算法比较.实验结果显示:综合考虑主观视觉效果和客观评价指标,该算法性能整体优于其他算法,客观参数指标BSSIM、MI、Piella、SF、STD、QAB/F的均值分别为0.751 2、3.769 6、0.697 1、29.526 7、90.090 6、0.570 7,可以提供丰富的信息来辅助医生分析病变体,提高临床医疗诊断的准确性和治疗规划的科学性.
更多相关知识
关键词
图像融合稀疏表示脉冲耦合神经网络(PCNN)在线字典学习(ODL)最小角回归算法(LARS)image fusionsparse representationpulse coupled neural network (PCNN)online dictionary learning(ODL)least angle regression algorithm (LARS)
栏目名称
DOI
10.3969/j.issn.0258-8021.2015.05.004
发布时间
2015-12-01（万方平台首次上网日期，不代表论文的发表时间）
- 浏览156
- 被引2
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
