基于卷积字典学习的医学脑部图像融合方法技术

本发明专利技术公开了一种基于卷积字典学习的医学脑部图像融合方法，包括：步骤1，源医学脑部图像分解成低频分量和高频分量，步骤2，低频分量融合；步骤3，高频分量融合。步骤4，经过快速傅里叶逆变换得到融合后的高频分量；步骤5，将融合的低频分量和融合的高频分量进行图像重构，得到融合图像。本发明专利技术的优点是：更好的保留图像信息，在视觉质量和客观指标方面都能获得先进的效果，获得的图像中的脑组织、额窦等边界更清晰，更利于医务人员诊断和分析病情。

【技术实现步骤摘要】
基于卷积字典学习的医学脑部图像融合方法
本专利技术涉及图像融合
，特别涉及一种基于卷积字典学习的医学脑部图像融合方法。
技术介绍
多模态医学脑部图像在医学诊断中起着非常重要的作用。随着医学成像技术的飞速发展，获得高分辨率、信息量更大的人体解剖和功能描述成为可能。这种发展促进了医学图像分析领域的研究。目前，各种各样的医学脑部图像都有各自的特点，这些脑部图像的融合有助于准确诊断，也可用于电子医疗。因此，为获得高信息质量、紧凑信息表示的医学脑部图像融合技术在信息的合成和增强方面引起了人们的关注。计算机断层扫描(CT)等成像方法具有高的空间分辨率和几何特征，能清晰地显示骨结构。磁共振成像(MRI)显示软组织和器官。因此，CT和MRI图像的结合为相关器官的病理状态提供了更多的信息，提高了临床应用的诊断能力。近年来，国内外学者提出各种融合方法和策略：1)基于变换域方法，如DWT，NSCT等；2)基于稀疏域的融合方法，如稀疏表示，联合稀疏表示，自适应稀疏表示等及其变型；3)基于神经网络的融合策略，如卷积神经网络，生成式对抗网络等经典网络模型。上本文档来自技高网...

【技术保护点】
1.一种基于卷积字典学习的医学脑部图像融合方法，其特征在于，包括以下步骤：/n步骤1，源医学脑部图像{s

【技术特征摘要】
1.一种基于卷积字典学习的医学脑部图像融合方法，其特征在于，包括以下步骤：
步骤1，源医学脑部图像{sA,sB}经快速傅里叶变换分解成低频分量和高频分量
步骤2，低频分量融合使用平均值规则融合：
其中，是低频融合分量；
步骤3，高频分量融合...

【专利技术属性】
技术研发人员：张铖方，
申请(专利权)人：四川警察学院，
类型：发明
国别省市：四川;51