医疗图像融合基于局部 Saliency 能量和多尺度碎片维度

科学领域:

• 医疗成像医学成像
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 多式医疗图像融合面临着诸如纹理细节损失,边缘模糊和对比度降低等挑战.
• 现有的方法在融合过程中经常难以保持图像能量和清晰度.

研究的目的:

• 开发一种先进的图像融合技术,解决纹理损失和对比度降低的问题.
• 通过改进的融合策略,实现更高质量的融合医学图像.

主要方法:

• 使用非子样本的轮变换来将图像分解成子带.
• 采用多尺度形态梯度和脉冲合神经网络用于高通子频融合.
• 引入了改进的多尺度碎形维度和局部突出能量,用于低通和低高通子带融合.

主要成果:

• 拟议的方法与其他七种融合技术在三个多式联络数据集上进行了评估.
• 用五个标准的客观评估指标来评估绩效.

结论:

• 开发的融合方法有效地保留了医学图像中的对比度和边缘细节.
• 在主观和客观评估中表现出强的表现,显示出显著的竞争力.