基于人眼视觉特性与自适应PCNN的医学图像融合算法

针对多尺度变换的图像特征,提出了一种基于人眼视觉特性与自适应脉冲耦合神经网络(PCNN)的医学图像融合新方法。首先,对经配准的源图像进行非下采样Contourlet变换(NSCT),得到低频、高频子带系数;然后,考虑到低频子带系数中保留了绝大部分源图像能量和图像轮廓特征,提出区域能量(RE)和梯度奇异值度量(GSVM)相结合的方法;考虑到图像全局特征,将PCNN用于高频子带系数中,提出区域视觉对比度(SLVC)模拟人眼视觉特性作为PCNN的外部刺激输入,设定PCNN的链接强度随视觉对比敏感度(VCS)自适应变化,同时考虑到PCNN的迭代次数,利用Sigmoid函数计算其点火输出幅值的显著性度量;最后,对获得的融合系数进行逆NSCT得到融合图像。通过实验对比分析表明,本文算法不仅可以保留源图像信息的同时,还得到较好的客观评价指标和视觉效果。