郑 伟，赵成晨，郝冬梅



NSST和改进PCNN相结合的甲状腺图像融合

郑 伟1a, 2，赵成晨1a, 2，郝冬梅1b

( 1. 河北大学a. 电子信息工程学院；b. 附属医院，河北保定 071002;2. 河北省数字医疗工程重点实验室，河北保定 071002 )

针对甲状腺B超图像的低对比度和SPECT图像的低空间分辨率的特点，提出了一种基于非下采样Shearlet变换(NSST)和改进脉冲耦合神经网络(PCNN)相结合的图像融合算法。本文用NSST将两幅经过精确配准的源图像分解，得到低频子带系数以及不同尺度和方向的高频子带系数。低频系数采取区域能量取大的融合规则，高频系数采取改进的PCNN算法，将改进的拉普拉斯能量和作为PCNN的输入项，梯度能量作为PCNN的链接强度，利用点火输出幅度总和取大的融合规则选择高频系数，最后通过NSST逆变换得到融合图像。实验结果表明，本文所提出的算法在主观视觉和客观标准上均取得良好的效果。

图像融合；甲状腺肿瘤；非下采样Shearlet变换；脉冲耦合神经网络

0 引 言

甲状腺癌是最常见的内分泌恶性肿瘤，已进入女性前十位癌谱，近年来发病率正逐年上升[1]。目前临床用于甲状腺癌诊断的影像学方法有B超、CT、MRI和SPECT等，其中B超、CT和MRI图像能够提供精确解剖信息，SPECT图像是功能成像能反映甲状腺肿瘤的良恶性[2]。对比CT、MRI和B超三种方法，CT检查中X射线对人体有一定辐射，MRI价格昂贵，而B超检查对人体无放射性损害、费用低，可重复性操作，并且能够提供甲状腺结构信息。因此，采用图像融合技术将甲状腺B超图像和SPECT图像相结合可提高甲状腺肿瘤的检出率。……