[发明专利]一种新型的神经网络医学图像融合方法

摘要

一种新型的神经网络医学图像融合方法，该方法利用Shearlet变换可以在任意方向和尺度对原始图像(CT图像和MR图像)进行分解获得图像的方向信息和纹理信息。首先利用PCNN具有全局耦合、变阈值、内部行为的乘积耦合、输入的漏电容积分加权求和方法，用于Shearlet变换中高频子带系数的选择；然后计算CT图像和MR图像分别作为自适应PCNN外部输入时各个像素点的点火次数，选择两幅图像对应像素点中点火次数多的像素点作为两者融合后图像的像素点；再通过对得到的Shearlet系数进行Shearlet逆变换，得到CT图像和MR图像融合后的图像。本方法通过Shearlet变换和自适应PCNN对CT图像和MR图像进行融合来提高医学图像的质量，与采用单一的使用Shearlet变换或自适应PCNN相比，有减少数据冗余和提高图像对比度的优势。

主权项

一种新型的神经网络医学图像融合方法，其方法特征：利用Shearlet变换在任意方向和尺度对图像进行分解获得图像的方向信息、纹理信息等；利用PCNN具有全局耦合、变阈值、内部行为的乘积耦合、输入的漏电容积分加权求和的优点，将其用于Shearlet变换中高频子带系数的选择；然后，计算CT图像和MR图像分别作为自适应PCNN外部输入时各个像素点的点火次数，并选择两幅图像对应像素点中点火次数多的像素点作为两者融合后图像的像素点；最后，再通过对得到的Shearlet系数进行Shearlet逆变换，就可得到CT图像和MR图像融合后的图像。