TY -非盟的夏大盟- Lu,凌易盟- Tan, PY - 2020 DA - 2020/01/24 TI -多模态医学图像融合的研究基于Parameter-Adaptive脉冲耦合神经网络和卷积稀疏表示SP - 3290136六世- 2020 AB -医学图像的视觉效果有很大的影响临床辅助诊断。目前,医学图像融合已经成为临床应用的一个强有力的手段。传统的医学图像融合方法融合结果差的问题,由于缺乏详细的特征信息融合。处理,本文提出了一种新的多模态医学图像融合方法基于医学图像的成像特点。在该方法中,non-subsampled shearlet变换(NSST)分解是在源图像上执行第一名获得高频和低频系数。高频系数融合,一个参数的自适应脉冲耦合神经网络(PAPCNN)模型。该方法是基于参数自适应和优化的连接强度 β 采用促进性能。低频系数合并的卷积的稀疏表示模型(CSR)。实验结果表明,该方法可以解决困难问题的参数设置和可怜的细节保护稀疏表示;再利用在传统图像融合算法,它有显著的优势相比,视觉效果和客观指标与现有主流融合算法。SN - 1748 - 670 - 2020/3290136 / 10.1155 x你——https://doi.org/10.1155/2020/3290136——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER