典型文献
基于简化脉冲耦合神经网络和改进稀疏表示的脑部图像融合算法
文献摘要：
为解决单一模态脑部图像存在的局限性,进一步突出细节特征,增强视觉效果,提出一个基于多尺度边缘保持分解和改进稀疏表示(improved sparse representation,ISR)的算法框架.首先,分解源图像获得高频子带和低频子带.其次,采用多范数加权度量改进的稀疏表示融合低频子带,以多尺度形态学梯度(multiscale morphological gradient,MSMG)改进的引导滤波器去除细节特征;同时,经简化的脉冲耦合神经网络(simplified pulseoupled neural network,SPCNN)融合其高频子带.最后,逆变换得到融合后的脑部图像.实验证明,本文在边缘信息的保护,融合效率的提高,时间成本的节约等方面优势显著.
文献关键词：
简化脉冲耦合神经网络(SPCNN);改进稀疏表示(ISR);多尺度边缘保持分解;多尺度形态学梯度(MSMG);多范数加权度量
中图分类号：
作者姓名：
张亚加;邱啟蒙;高智强;邵建龙
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明650500
文献出处：
引用格式：
[1]张亚加;邱啟蒙;高智强;邵建龙-.基于简化脉冲耦合神经网络和改进稀疏表示的脑部图像融合算法)[J].光电子·激光,2022(11):1225-1232
A类：
简化脉冲耦合神经网络,脑部图像融合,多尺度边缘保持分解,边缘保持分解,多范数加权度量,MSMG,pulseoupled,SPCNN
B类：
稀疏表示,融合算法,细节特征,视觉效果,improved,sparse,representation,ISR,multiscale,morphological,gradient,引导滤波器,simplified,neural,network,逆变换,边缘信息,融合效率,时间成本
AB值：
0.192023
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
