基于PCA与PSO特征选择及DTCWT的多模态医学图像融合
计算机视觉与模式识别
2017-02-01 v1
摘要
多模态医学图像融合有助于提高医学诊断效率。本文提出一种利用主成分分析(PCA)和粒子群优化(PSO)技术选择相关特征的多模态医学图像融合方法。采用DTCWT将图像分解为低频和高频系数。对近似系数和细节系数应用最小、最大和简单平均相结合的融合规则。通过逆DTCWT重建融合图像。对性能度量进行了评估，结果表明在结构相似性指数测度(SSIM)和互相关(CC)方面，DTCWT-PCA优于DTCWT-PSO。与DTCWT-PSO相比，DTCWT-PCA在特征选择中减少了计算时间和特征向量大小，证明了其鲁棒性和存储能力。
引用
@article{arxiv.1701.08918,
title = {Feature Selection based on PCA and PSO for Multimodal Medical Image Fusion using DTCWT},
author = {Padmavathi K and Mahima Bhat and Maya V Karki},
journal= {arXiv preprint arXiv:1701.08918},
year = {2017}
}
备注
8 pages, 6 figures