基于NSST与引导滤波的医学图像融合算法

石平霞; 陈世国; 丁冬冬

doi:10.13873/J.1000-9787(2022)05-0131-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于NSST与引导滤波的医学图像融合算法

计算与测试 | 更新时间：2025-09-11

- 基于NSST与引导滤波的医学图像融合算法
- 基于NSST与引导滤波的医学图像融合算法
- 传感器与微系统 2022年第5期页码：131-134
- 作者机构：
  
  贵州师范大学物理与电子科学学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)05-0131-04
  中图分类号： R318;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
石平霞, 陈世国, 丁冬冬. 基于NSST与引导滤波的医学图像融合算法[J]. 传感器与微系统, 2022,(5):131-134.

基于NSST与引导滤波的医学图像融合算法[J]. 2022, (5): 131-134.
石平霞, 陈世国, 丁冬冬. 基于NSST与引导滤波的医学图像融合算法[J]. 传感器与微系统, 2022,(5):131-134. DOI： 10.13873/J.1000-9787(2022)05-0131-04.

基于NSST与引导滤波的医学图像融合算法[J]. 2022, (5): 131-134. DOI： 10.13873/J.1000-9787(2022)05-0131-04.

摘要

针对目前医学图像融合领域中，融合图像存在细节信息不够清晰及信息丢失的问题，提出一种基于非下采样剪切波变换（NSST）与引导滤波相结合的医学图像融合算法。首先，对已经过严格配准的两幅医学源图像进行NSST

得到各自的低频子带与高频子带。其次，低频子带采用基于引导滤波的加权平均的融合方法，高频子带采用平均梯度、区域能量指导加权系数的融合规则。最后，将低频子带和高频子带进行非下采样剪切波反变换，从而得到最后的融合图像。最终的实验结果表明：与文中所提到的几种融合算法相比，该算法不仅在多项评价指标中表现更佳，而且也有较好的视觉效果。

Abstract

关键词

Keywords

references

基于CLAHE和多尺度细节融合的静脉图像增强算法 [J]. 马静云,叶兵,汪仕铭. 半导体光电 . 2020(05)

基于四元数小波变换和Copula模型的图像融合 [J]. 李凯,罗晓清,张战成,王骏. 计算机科学 . 2019(04)

结合NSDTCT和压缩感知PCNN的图像融合算法 [J]. 殷明,庞纪勇,魏远远,段普宏. 计算机辅助设计与图形学学报 . 2016(03)

数字图像融合算法分析与应用[M]. 机械工业出版社 , 刘帅奇, 2018

多传感器图像融合技术及应用[M]. 西安电子科技大学出版社 , 苗启广, 2014

Pixel-level image fusion: A survey of the state of the art [J] . Shutao Li,Xudong Kang,Leyuan Fang,Jianwen Hu,Haitao Yin. Information Fusion . 2017

A novel sparse-representation-based multi-focus image fusion approach [J] . Hongpeng Yin,Yanxia Li,Yi Chai,Zhaodong Liu,Zhiqin Zhu. Neurocomputing . 2016

Guided image filtering. [J] . He Kaiming,Sun Jian,Tang Xiaoou. IEEE transactions on pattern analysis and machine intelligence . 2013 (6)

The wavelet transform for the analysis of remotely sensed images [J] . Thierry Ranchin,Lucien Wald. International Journal of Remote Sensing . 1993 (3)

浏览量

392

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据