您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版)

• 论文 • 上一篇    下一篇

基于DT-DWT的医学图像融合算法

陈爽,姜威   

  1. 山东大学信息科学与工程学院, 山东 济南 250100
  • 收稿日期:2007-09-11 修回日期:1900-01-01 出版日期:2008-02-16 发布日期:2008-02-16
  • 通讯作者: 陈爽

Medical image fusion based on DT-DWT

CHEN Shuang, JIANG Wei   

  1. School of Information Science and Engineering, Shandong University, Jinan 250100, China
  • Received:2007-09-11 Revised:1900-01-01 Online:2008-02-16 Published:2008-02-16

摘要: 将具有平移不变性和良好的方向分析能力的双树离散小波引入医学图像融合的方法中,提出了高频子带采用基于跨尺度的邻域空间频率的融合策略,最高层的低频子带采用基于改进的邻域熵的融合策略进行融合处理的融合算法.实验结果表明该方法能够更有效的实现融合,有着良好的融合效果.

关键词: 医学图像, DWT, DT-DWT, 图像融合

Abstract: Shift invariant and directionally selective dual tree complex wavelet transform were introduced, and acrossbandneighborhoodspacefrequency and improvedneighborhoodentropy were defined for highpass and lowpass subbands respectively. The results demonstrate that this method is more efficient in image fusion than real wavelets.

Key words: medical image, DWT, DT-DWT, image fusion

中图分类号: 

  • TP391-41
[1] 陈海永,余力,刘辉,杨佳博,胡启迪. 基于经验小波的太阳能电池缺陷图像融合[J]. 山东大学学报(工学版), 2018, 48(5): 24-31.
[2] 梁蒙蒙,周涛,夏勇,张飞飞,杨健. 基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别[J]. 山东大学学报(工学版), 2018, 48(5): 77-84.
[3] 刘帆,陈泽华,柴晶. 一种基于深度神经网络模型的多聚焦图像融合方法[J]. 山东大学学报(工学版), 2016, 46(3): 7-13.
[4] 杨秀林1,黄硕2*,邓苗1,张基宏1,3. 基于显著计算与自适应PCNN的图像融合方法[J]. 山东大学学报(工学版), 2014, 44(2): 35-42.
[5] 林哲1,闫敬文2,袁野2. 基于稀疏表示和PCNN的多模态图像融合[J]. 山东大学学报(工学版), 2013, 43(4): 13-17.
[6] 吴国瑶,马立勇. 基于B样条FFD模型配准的虹膜图像融合方法[J]. 山东大学学报(工学版), 2010, 40(5): 24-27.
[7] 王新沛1,刘常春1*,白曈2. 基于均值距离的图像分割方法[J]. 山东大学学报(工学版), 2010, 40(4): 36-41.
[8] 翟海亭,吴晓娟,彭彰 . 一种改进的基于互信息的三维医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(4): 33-39 .
[9] 李可,刘常春,李同磊 . 一种改进的最大互信息医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(2): 107-110 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!