1 简介
传统的基于剪切波变换的融合方法在融合图像的奇异处易产生伪吉布斯现象． 为此，文中提出了一种基于平移不变剪切波变换的医学图像融合新方法． 该方法利用平移不变剪切波变换将待融合的医学图像分解成低频子带和高频子带，并使用基于区域系数绝对值和权重的规则融合低频系数; 对于高频子带，提出一种基于支持向量值激励的自生成神经网络的高频子带融合策略; 最后利用逆平移不变剪切波变换重建融合后的图像． 视觉比较和融合结果量化分析表明，文中提出的方法不仅能够有效克服伪吉布斯现象，而且以熵、互信息、平均梯度和 QAB/F作为标准时其融合结果比小波、轮廓波和非下采样轮廓波变换等传统方法更好．
2 部分代码
%% Compressed sensing MRI reconstruction based SIDWT
%% Lai
clear all
close all
clc
currentFolder = pwd;
addpath(genpath(currentFolder));
%% data
load im1
figure,imshow(abs(im1)); title('fully-sampled image') % fully sampled image.
[row,column]=size(im1);
%% masks
load mask1
paramSIDWT.Fu=Fu_downsample(mask1,row,column);
paramSIDWT.U=mask_downsample(mask1,row,column);
y1 = paramSIDWT.Fu * im1;
zerofilling = ifft2c(paramSIDWT.U'*y1);
figure,imshow(abs(ifft2c(paramSIDWT.U'*y1))); title('undersampled k-space data')
%% SIDWT paramters analysis
filterType = 'Daubechies'; filterSize = 4;
wavScale = 4; complex_Yes = 1;
paramSIDWT.psi = SIDWT(filterType,filterSize,wavScale,complex_Yes); % define the shift-invariant wavelets operator
paramSIDWT.lamda=5*1e3;
tic;im1_Rec=solver_ADMC(y1,mask1,paramSIDWT);time_SIDWT_CS1=toc % solve the L1 norm minimization problem with ADMC
Evaluation_ana = Evaluation_CS_MRI(im1,im1_Rec)
%% synthesis
for lamda=10:20:1e3
paramSIDWT.lamda=lamda;
alpha=solver_ADMC_syn(y1,mask1,paramSIDWT);
Rim = paramSIDWT.psi' *alpha;
Evaluation_syn = Evaluation_CS_MRI(im1,Rim)
end
Evaluation_zerofilling = Evaluation_CS_MRI(im1,zerofilling)
figure,imshow(abs(im1_Rec));title('Reconstructed image')
3 仿真结果
4 参考文献
[1]柏春岚, and 刘豪. "基于小波变换的图像融合及其MATLAB实现." 科技广场 8(2014):3.
部分理论引用网络文献，若有侵权联系博主删除。
5 MATLAB代码与数据下载地址
见博客主页
