基于脉冲发送皮层模型的医学图像融合方法

摘要

本发明公开了一种基于脉冲发放皮层模型的医学图像融合方法，具体为：首先对图像作归一化处理，然后将图像送入脉冲发放皮层模型得到每幅待融合图像的点火映射图，对两幅点火映射图中每一待考虑像素，计算以两对应像素为中心的两图像块的欧氏距离及每一图像块的像素值的总和；最后利用基于上述参数的判决算子，对两待融合图像进行选择或加权运算，从而实现图像的有效融合。本发明将脉冲发放皮层模型用于医学图像融合，同时在融合中使用了图像块的思路，能更好地反映源图像的真实信息，弥补了现有脉冲耦合神经网络用于图像融合计算复杂的不足。

主权项

基于脉冲发送皮层模型的医学图像融合方法，具体为：步骤1 对两幅待融合图像A⁰和B⁰进行归一化处理得到图像A和B；步骤2 分别按照如下相同方式获取两图像A和B的点火映射图A′和B′：步骤21 初始化迭代次数n＝1，阈值E_ij(1)为零矩阵，内部活动U_ij(1)为零矩阵；步骤22 计算待融合图像的点火映射图$U_{\mathrm{ij}}\left(n\right)={\mathrm{fU}}_{\mathrm{ij}}(n-1)+S_{\mathrm{ij}}\underset{\mathrm{kl}}{\Sigma }{W}_{\mathrm{ijkl}}{Y}_{\mathrm{kl}}(n-1)+S_{\mathrm{ij}},$Y_ij(n)为第n次迭代中像素点(i,j)的输出脉冲，Y_kl(n‑1)为第n‑1次迭代中像素点(k,l)的输出脉冲，S_ij为外部对像素点(i,j)的神经元的刺激即像素点(i,j)的灰度值，U_ij(n)为第n次迭代中像素点(i,j)的神经元的内部活动，W_ijkl为像素点(i,j)的神经元与像素点(k,l)间的神经元间连接的突触权重，(k,l)≠(i,j)，f为神经元内部活动的衰减系数；步骤23 若n小于预定迭代次数阈值，则n＝n+1，E_ij(n)＝gE_ij(n‑1)+hY_ij(n‑1)，h为阈值放大系数，g为阈值衰减系数，返回步骤22，否则，进入步骤3；步骤3 利用点火映射图进行像素级的融合：步骤31 在两点火映射图A′和B′中，分别逐像素点提取以该像素点为中心的子块和步骤32 令z＝1；步骤33 计算由子块和融合得到的像素点(i，j)的像素值R(i，j)：其中，I_A′(i,j)为子块的中心像素点(i,j)对应的图像A中的像素点的像素值，I_B′(i,j)为子块的中心像素点(i,j)对应的图像B中的像素点的像素值，和分别为子块和的像素值总和，T0为子块和的欧式距离，th为判决算子阈值；步骤34 若z小于子块总数，则z＝z+1，返回步骤33，否则，结束。