摘要：对于不同模态的医学图像进行融合处理,可为临床提供新的诊断信息,设计了一种邻域空间频域激励的自适应PCNN医学图像融合新方法。首先,使用图像逐像素地改进拉普拉斯能量和(SML)清晰度作为PCNN对应神经元的链接强度;同时利用邻域空间频域(SF)特征信息激励每个神经元;然后,将源图像输入PCNN获得点火映射图构成的点火频数,再判定并选择各参与融合图像中的清晰部分生成融合图像。实验结果表明,该算法具有比经典金字塔方法、小波变换方法和传统的PCNN方法更好的融合性能。

摘要：针对传统小波变换图像融合过程中存在边缘丢失和纹理信息模糊的问题,设计了一种小波变换的图像融合新算法.对小波分解后的低频系数采用基于边缘特征的选择方法,使得融合图像较好地保留原图像中的边缘轮廓信息;高频系数采用基于局域方差取大准则,这样能够有效地将来自不同图像的纹理特征和细节有机融合起来;为了抑制噪声和控制图像的不稳定性,最后再对低、高频系数的选择结果进行邻域窗口的一致性检验与调整,保证了融合图像的稳定性和连续性.实验结果表明,该算法具有比经典金字塔方法和小波变换方法更好的融合性能.