[发明专利]一种基于WEMD和PCNN的医学图像融合方法

权利要求书

1.一种基于WEMD和PCNN的医学图像融合方法，其特征在于，具体按照以下步骤实施：

步骤1、设有两幅医学图像，分别记为图像A和图像B，将图像A和图像B分别进行配准；

步骤2、对图像A进行一层WEMD分解得到BIMF分量BIMF_A和残差分量R_A，对图像B进行一层WEMD分解得到BIMF分量BIMF_B和残差分量R_B；

步骤3、对所述步骤2得到的BIMF分量BIMF_A和BIMF分量BIMF_B进行融合，得到融合后的BIMF分量BIMF_F；

步骤4、对所述步骤2得到的残差分量R_A和残差分量R_B进行融合，得到融合后的残差分量R_F；

步骤5、对所述步骤3得到的融合后的BIMF分量BIMF_F和所述步骤4得到的残差分量R_F进行WEMD逆变换，得到融合图像F。

2.根据权利要求1所述的一种基于WEMD和PCNN的医学图像融合方法，其特征在于，所述步骤3对BIMF分量BIMF_A和BIMF分量BIMF_B进行融合，按照BIMF分量融合规则，具体过程为：

步骤(3.1)、将BIMF分量BIMF_A和BIMF分量BIMF_B均归一化到[0,1]之间，作为相应PCNN的馈送输入和

步骤(3.2)、分别计算BIMF分量BIMF_A和BIMF分量BIMF_B的每个像素的清晰度和作为相应神经元的链接强度；

步骤(3.3)、设定BIMF分量BIMF_A和BIMF分量BIMF_B的PCNN初始值：L_ij(0)＝U_ij(0)＝θ_ij(0)＝Y_ij(0)＝0；

步骤(3.4)、按照PCNN模型进行迭代计算，最终得到BIMF分量BIMF_A和BIMF分量BIMF_B的PCNN输出点火时间映射图矩阵Y_A和Y_B，设计算迭代次数为N_max，当n＜N_max时反复迭代，直到n＝N_max时结束；

步骤(3.5)、设PCNN中每个神经元与周围3×3邻域神经元链接，根据如下判决算子确定Y_A和Y_B融合后的BIMF分量BIMF_F为：

其中，BIMF_F(i,j)，BIMF_A(i,j)和BIMF_B(i,j)分别代表BIMF分量BIMF_F和图像A、B在像素点(i,j)位置处的BIMF系数值；ε为阈值；和分别表示像素点(i,j)处点火时间Y_A(i,j)和Y_B(i,j)的邻域均值；Y_A和Y_B分别为PCNN输出的点火时间映射图矩阵。