文件名称：论文研究-改进交叉视觉皮质模型的医学图像融合方法.pdf
文件大小：960KB
文件格式：PDF
更新时间：2022-08-11 16:08:31
医学图像融合,非下采样Contourlet变换,脉冲耦合神经网络,改进的拉普拉斯能量和,交叉视觉皮质层模型
传统的交叉视觉皮质层模型（intersecting cortical model，ICM）在图像边缘检测和图像的分割等领域得到了广泛的应用，但模型中的一些参数需要人工去选取，从而降低了模型应用结果的准确度。为了使ICM中的参数能够自适应选取，对传统的ICM进行改进，提出改进的ICM与非下采样Contourlet变换（non-subsampled Con-tourlet transform，NSCT）相结合的方法应用于医学图像的融合。实验结果表明，该算法无论从主观性评价还是从六个客观性评价指标均优于其他融合算法，不仅提高了图像的清晰度，而且较大程度地保留了图像的细节信息，具有边缘信息突出、亮度对比度高的优点，取得了满意的效果。