1.一种鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,包括步骤:S1:基于分离字典学习通过关联稀疏系数构成的稀疏矩阵来表征结构纹理特征;
S2:通过正交匹配追踪法和黎曼流形上共轭梯度法经过循环迭代得到预训练字典;
S3:采用纹理对比度与稀疏显著性特征和构造活性测度以保留纹理信息,通过稀疏重构得到融合的脑影像;
其中,所述步骤S3包括:
S31:将多个已配准的多模态脑影像经滑动窗口技术得到对应的重叠块,并采用预训练字典对重叠块进行稀疏表示得到相应的稀疏系数图;
S32:基于重叠块,采用纹理对比度测度提取空间显著特征;
S33:基于稀疏系数图,采用稀疏显著性特征和测度提取变换显著特征;
S34:结合空间显著性和变换显著性构造融合活性测度,并利用活性测度指导多个多模态脑影像对应的稀疏系数融合;
S35:利用预训练字典通过稀疏重构得到融合的脑影像;
其中,所述步骤S31至步骤S35具体包括:输入源影像,;
滑动窗口技术得到重叠块影像,通过像素的强度属性定义亮度对比度:;
通过加权结构张量定义方向对比度:;
采用经字典学习得到的预训练字典对重叠块进行稀疏编码,得到对应的稀疏系数图;
通过稀疏系数图中相邻区域的差异和来突出显著的稀疏特征,定义为稀疏显著性特征和,表示为:;
其中,P和Q表示稀疏矩阵的大小;
局部稀疏显著性特征LSSF表示相邻像素的稀疏显著性差异,定义为:;
其中,表示以重叠块中像素点对应的稀疏系数为中心的滑动窗;
结合纹理对比度TC和稀疏显著性特征和SSSF,定义融合活性测度为:;
其中,表示源重叠块对应的测度结果;
采用测度值取大规则进行稀疏系数融合,表示为:;
通过稀疏重构可得到第r个重叠块的融合结果为:;
通过融合的块影像得到最终的融合脑影像。
2.根据权利要求1所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述步骤S1包括:S11:建立初始字典原子与当前残差,利用初始字典原子和当前残差确定最相关字典原子的索引,并经多次迭代得到索引集,采用最小二乘法更新稀疏系数,并对稀疏系数求偏导,得到当前字典下的重构样本以及更新残差;
S12:将更新残差与字典原子重新确定最相关字典原子的索引,以完成迭代循环,得到正交匹配追踪法下的更新稀疏系数。
3.根据权利要求2所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述步骤S2包括:S21:将分离字典构成的组变量投影到黎曼流形上,并通过测地线线性搜索移动步长,得到当前点在切空间上的黎曼梯度和修正搜索方向;
S22:利用黎曼梯度和修正搜索方向通过线性搜索确定步长,得到黎曼流形上共轭梯度法下的更新字典数组;
S23:结合正交匹配追踪法和黎曼流形上共轭梯度法进行循环迭代,经样本训练后,得到预训练字典。
4.根据权利要求3所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述字典学习的目标函数为:;
其中,表示稀疏系数;N表示训练样本Y的个数;和表示子字典;
字典学习过程包括稀疏编码和分离字典更新两部分的循环迭代。