欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019101779171
申请人: 吉林大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进的脉冲耦合神经网络的医学图像融合方法,其特征在于,包括如下步骤:步骤一:对两幅完全配准的医学图像A和B进行Gamma校正来增强待融合图像的对比度;

步骤二:对增强后的图像A和B采用非下采样剪切波变换,进行多尺度、多方向分解,分解成低频子图{aA,bB}和高频子图{cAs,l,cBs,l},其中s代表分解的层数,l代表分解的方向;

步骤三:采用改进的区域能量算法对分解后的低频子图{aA,bB}进行融合,得到低频子图融合结果aF;

s,l s,l

步骤四:采用改进的脉冲耦合神经网络对分解后的高频子图{cA ,cB }进行融合,得到高频子图融合结果cFs,l;

步骤五:将步骤三得到低频子图融合结果aF和步骤四得到的高频子图融合结果cFs,l进行非下采样剪切波逆变换,重构得到最终融合图像F。

2.根据权利要求1所述的一种基于改进的脉冲耦合神经网络的医学图像融合方法,其特征在于,步骤一中所述使用Gamma进行校正,公式如下:S=Ir

其中,I为原图像,γ为灰度系数,取值范围是0~2之间,S为Gamma校正后的图像。

3.根据权利要求1所述的基于非下采样剪切波与改进的脉冲耦合神经网络的多模态医学图像融合方法,其特征在于,步骤二中使用非下采样剪切波进行多尺度分解,公式如下:其中,j,l∈Z,k∈Z2,ψ∈L2(R2);U和O是2*2的可逆方阵,Uj是具有可膨胀性的矩阵,可使图像进行多尺度变换,Ol为剪切矩阵。

4.根据权利要求1所述的一种基于改进的脉冲耦合神经网络的医学图像融合方法,其特征在于,步骤三中所述采用改进的区域能量算法对分解后的低频子图{aA,bB}进行融合包括以下步骤:第一:采用八个方向的sobel算子对细节信息进行抽取,具体计算如下:

0°方向:[1,2,1;0,0,0;-1,-2,-1];

45°方向:[2,1,0;1,0,-1;0,-1,-2];

90°方向:[1,0,-1;2,0,0;1,0,-1];

135°方向:[0,-1,-2;1,0,-1;2,1,0];

180°方向:[-1,-2,-1;0,0,0;1,2,1];

225°方向:[-2,-1,0;-1,0,1;0,1,2];

270°方向:[-1,0,1;-2,0,2;-1,0,1];

315°方向:[0,1,2;-1,0,1;-2,-1,0];

第二:采用八个不同方向的sobel算子进行卷积操作,再与原图像进行相减,得到去除细节信息的图像,具体操作如下:O=I-(I*S8)

其中,O为去除细节信息后的图像,*表示卷积操作,S8为八个不同方向的sobel算子,I*S8表示原图像I分别与八个不同方向的sobel算子进行卷子操作;

第三:计算去除细节信息的图像O的所有像素点的区域能量值,公式如下:其中,(i,j)为图像的像素点的坐标,E为当前的区域能量值,v(m,n)为窗口函数,m和n为3,公式如下:第四:选取能量最大的像素点为低频子图最终的融合点,公式如下:其中,aF为最终融合的像素点,aA为图像A的低频子图,bB为图像B的低频子图,EaA表示aA的区域能量值,EbB表示bB的区域能量值。

5.根据权利要求1所述的一种基于改进的脉冲耦合神经网络的医学图像融合方法,其特征在于,步骤四中所述采用改进的脉冲耦合神经网络对分解后的高频子图{cAs,l,cBs,l}进行融合包括以下步骤:第一、采用改进的基于量子行为的粒子群优化算法来确定脉冲耦合神经网络的参数,具有操作如下:

1)设计适用于本算法的适应度函数。公式如下:A/F

f=max(EN+SF+MI+Q )

其中,EN为图像的信息熵,SF为图像的空间频率,MI为图像的互信息,QAB/F为图像的边缘信息保留量;

2)计算所有粒子的最佳位置的平均值C,具体公式如下:其中,N表示粒子的数量为20,pi(t-1)表示在t-1次迭代后单个粒子的最佳位置;

3)计算单个粒子的最佳位置pi(t-1)和所有粒子中的全局最佳位置pg(t-1)的随机点ppi(t),具体公式如下:ppi(t)=pi(t-1)+(1-λ)pg(t-1)其中,pi(t-1)表示单个粒子的最佳位置,pg(t-1)表示所有粒子中的全局最佳位置,λ为

0~1的一个随机值;

4)粒子进行移动并调整当前方向和位置,公式如下:其中,μ为0~1的一个随机值,β(t)的公式如下:其中,m,n是一个常量,其中m=2,n=1,Maxtime表示迭代的最大次数,Maxtime为50;

第二、采用脉冲耦合神经网络作为高频子图的融合规则,具体操作如下:

1)计算脉冲耦合神经网络的反馈输入,公式如下:Fij(n)=Sij

其中,Sij为外部刺激,本方法的外部刺激为高频子图;

2)计算脉冲耦合神经网络的外部输入,公式如下:其中,αL为外部输入的衰变因子,VL为反馈放大系数,Wijlk为神经元的链接权值;

3)计算脉冲耦合神经网络的内部活动项,公式如下:Uij(n)=Fij(1+βLij(n))其中,β为链接强度;

4)计算脉冲耦合神经网络的动态阈值,公式如下:其中,αθ为动态阈值的衰减因子,Vθ为动态阈值的放大因子,Yij为神经元的脉冲输出,具体公式如下:

5)通过迭代次数,选取点火次数多的点为最终的融合的像素点;

其中,cAs,l为图A的高频子图,cBs,l为图B的高频子图,TCAs,l为cAs,l的点火次数,TCBs,l为cBs,l的点火次数。