申请/专利权人:南京邮电大学
申请日:2024-01-29
公开(公告)日:2024-04-26
公开(公告)号:CN117934305A
主分类号:G06T5/50
分类号:G06T5/50;G06T5/20;G06V10/772
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于共享多维成分张量字典学习的医学图像融合方法,属于医学图像融合技术领域;方法为:从全脑图谱数据库获取医学图像,构建多模态融合实验组,并对其中的彩色图像进行YUV处理;采用NSST变换对医学图像进行处理,得到对应的高频张量和低频张量;采用共享多维成分张量字典学习方法将需要交叉融合的张量得到对应的稀疏系数张量;对经过张量字典学习获得的融合频率信息进行滤波增强,得到增强后的融合频率的系数张量;对增强后融合频率的系数张量经过字典重构和逆NSST运算,得到最终的融合图像。本发明通过采用NSST变换对医学图像进行处理,使得图像的频率张量保留更多的边缘信息,解决字典包含的大量冗余信息;利用p‑拉普拉斯算子提高字典的泛化特性,解决过完备字典影响图像质量的问题,提高融合结果图像的质量和准确性。
主权项:1.一种基于共享多维成分张量字典学习的医学图像融合方法,其特征在于:该方法包括以下步骤:步骤S1:从全脑图谱数据库获取医学图像,构建多模态融合实验组,并对其中的彩色图像进行YUV处理;步骤S2:采用NSST变换对医学图像进行处理,得到对应的高频张量和低频张量;步骤S3:采用共享多维成分张量字典学习方法将需要交叉融合的张量得到对应的稀疏系数张量;步骤S4:对经过张量字典学习获得的融合频率信息进行滤波增强,得到增强后的融合频率的系数张量;步骤S5:对增强后融合频率的系数张量经过字典重构和逆NSST运算,得到最终的融合图像。
全文数据:
权利要求:
百度查询: 南京邮电大学 一种基于共享多维成分张量字典学习的医学图像融合方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。