基于邻域能量的压缩感知医学图像融合研究

摘要

将不同模态的医学图像进行合理融合,能够极大地丰富图像的信息,提高临床医学的诊断效果.本文结合压缩感知理论,采用Contourlet变换对原始图像进行分解,得到低频子带部分和高频子带部分;对低频子带使用平均加权的方式进行融合,对含有较多噪声的高频子带使用邻域能量加权的融合规则.通过对医学图像的仿真实验,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度.比较融合评价指标,证实该算法无论在主观视觉还是客观评价指标上都有较好的效果.