资料下载
×
基于图像增强和神经网络的脑部CT与MRI图像融合
消耗积分:0 |
格式:pdf |
大小:3.13 MB |
2021-05-10
分享资料个
图像在融合过程中容易引入伪吉布斯现象，在图像的边缘细节处容易产生¨伪影”和振铃现象。针对以上问题，提出了种基于形态学图像增强和脉冲耦合神经网络（ Pulse Coupled Neural Network，PCNN的脑部CT与MRI图像融合方法。首先基于形态学对源图像进行开运算和闭运算増强处理，再将増强处理过的图像作为PCNN接收堿的输入激励，输入PCNN融合模型内，对模型输岀的权重图进行判定，形成一幅清晰并且易于处理的图像。实验结釆表明，所提方法在保持边缘淸晰化、保留有效信息、平衡冗余现象方面都优于其他方法，经过形态学图像増强和PC`NN融合后的图像相较于未经增强处理的PCNN方法所得图像的平均梯度提高了24.59%左右，空间频率提高了42.56%左右;相较于基于拉普拉斯的图像融合方法，图像的标准差提高了16.67%左右。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
