一种用于医学图像融合的双树复小波变换自适应优化新方法
计算机视觉与模式识别
2020-07-28 v1 图像与视频处理
摘要
近年来，医学图像融合领域取得了诸多研究成果。融合本质上是提取输入的最佳部分并传递到输出。医学图像融合是指将多种不同模态的图像信息综合在一起形成一幅图像以表达其信息。图像融合旨在整合互补与冗余信息。本文提出一种基于双树复小波变换（DT-CWT）和自适应粒子群优化（APSO）的多模态图像融合算法。通过使用来自源图像分解金字塔的 DTCWT 系数形成融合金字塔来实现融合。系数采用基于像素的加权平均法融合，权重由 APSO 估计以获得最优融合图像。融合图像通过常规逆双树复小波变换重建过程获得。实验结果表明，基于自适应粒子群优化算法的方法明显优于基于粒子群优化的方法。所得融合图像在视觉上以及通过熵（E）、峰值信噪比（PSNR）、均方根误差（RMSE）、标准差（SD）和结构相似性指数测度（SSIM）等基准计算进行了比较。
引用
@article{arxiv.2007.13538,
title = {A Novel adaptive optimization of Dual-Tree Complex Wavelet Transform for Medical Image Fusion},
author = {T. Deepika and G. Karpaga Kannan},
journal= {arXiv preprint arXiv:2007.13538},
year = {2020}
}
备注
Conference on Computing Communication and Signal Processing. arXiv admin note: text overlap with arXiv:2007.11488