郭淑娟，高 媛，秦品乐，王丽芳

（中北大学大数据学院山西省生物医学成像与影像大数据重点实验室，太原 030051）

0 概述

图像融合是指将不同模态的相关图像合并为一幅新图像。在此过程中，要求生成的融合图像具有良好的清晰度，并使不同模态的图像特征尽可能融合到一幅图像中。图像融合在多模态医学图像中的应用是一个热门的研究方向。随着现代医学成像技术的发展，结合不同的医学成像方式能够获得器官和组织的全面信息，例如计算机断层扫描（Computed Tomography，CT）图像仅显示高密度组织，磁共振（Magnetic Resonance，MR）图像仅显示高水分组织，正电子发射断层扫描（Positron Emission Tomography，PET）图像仅反映不同人体之间组织强度的差异［1］，而将这些医学图像的互补特征融合到一幅图像中，能够提高医生的诊断效率和准确性。

图像融合技术可分为空间域方法和变换域方法两类，其中，变换域方法可以更好地表征图像特征，弥补空间域方法在细节提取方面的不足。在变换域方法中，多尺度分析方法通过将源图像映射至不同的尺度空间提取潜在的重要信息，符合人眼视觉系统的生理机制，被认为是一种主流的图像融合方法［2］。现有的多尺度分析方法主要有基于离散小波变换［3］、基于剪切波变换［4］、基于轮廓波变换［5］、基于非下采样轮廓波变换（Non-Subsampled Contourlet Transform，NSCT）［6］和基于非下采样剪切波变换（Non-Subsampled Shearlet Transform，NSST）［7］的算法，其中，基于NSCT 和NSST 的算法具有平移不变性，能够很好地抑制伪吉布斯现象。

脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）是一种通过研究哺乳动物视觉皮层而获得的具有仿生机制的单层神经网络模型［8］，其不需要学习或者训练，且具有全局耦合性和脉冲发射特性，能够提取图像的全局特征并且增强图像细节，有利于图像的实时处理。……