为了增强医学图像融合质量，提出了一种基于平移不变剪切波(SIST)和压缩感知的CT 和MRI 图像融合方法。首先，将源CT 与MRI 图像经过SIST 分解后得到低频子带和高频子带；其次，对低频子带，提出了一种结合新的改进空间频率、改进的区域加权能量和局部区域相似匹配度的融合规则；对于高频子带，提出了一种基于自适应2PCNN-CS 的融合规则；最后通过SIST 逆变换得到融合图像。实验表明：本文方法在客观指标和图像视觉效果上都优于传统的CT 与MRI 医学图像融合方法。
信号处理 平移不变剪切波 自适应双通道脉冲耦合神经网络 压缩感知 information processing shift-invariant shearlet transform adaptive dual-channel pulse coupled neural network compressed sensing
1 安徽科技学院信息与网络工程学院，安徽 凤阳 233100
2 中国科学院合肥智能机械研究所，安徽 合肥 230031
提出了一种基于双边滤波和正态逆高斯模型的平移不变Shearlet 变换域图像去噪算法。对图像进行平移不变Shearlet 变换分解，低频子带采用快速双边滤波算法处理，高频子带采用正态逆高斯模型对其进行建模，在贝叶斯最大后验概率估计准则下推导出与正态逆高斯模型相对应的阈值函数表达式，从而达到去除图像噪声的目的。在对不同类型的图像进行仿真实验，其结果表明了本文方法不仅具有良好的视觉效果，而且具有较高的峰值信噪比和平均结构相似性。
图像去噪 平移不变Shearlet 变换 双边滤波 正态逆高斯模型 贝叶斯估计 image denoising shift-invariant shearlet transform bilateral filtering normal inverse Gaussian model Bayesian estimation
针对传统基于多尺度变换的图像融合方法存在的缺点, 提出了一种基于平移不变剪切波变换域的自适应图像融合新方法.首先, 使用平移不变剪切波变换对源图像进行分解, 得到低频子带及方向带通子带系数.然后, 对于低频子带系数采用梯度域奇异值分解方法估计图像的局部结构信息, 提出了基于提取的特征与S函数的可变加权融合策略; 对于各方向带通子带系数, 提出了一种基于改进的拉普拉斯能量和匹配的“加权平均”和选择相结合的系数选择策略.最后, 对得到的融合系数进行逆变换得到融合图像.通过实验可以发现相比于传统的图像融合方法, 本文方法得到了更高的客观指标, 融合图像视觉效果更好.
图像融合 平移不变剪切波变换 奇异值分解 S函数 Image fusion Shift-invariant shearlet transform Singular value decomposition Sigmoid function
