针对医学图像融合过程中出现的细节损失严重、视觉效果不佳问题,提出了一种基于非下采样轮廓波变换(NSCT)与离散小波变换(DWT)的脉冲耦合神经网络(PCNN)医学图像融合算法。首先,利用NSCT处理医学源图像,得到相应的低频和高频子带,并利用DWT对得到的低频子带进行处理。然后,利用PCNN对低频子带进行融合,将平均梯度和改进型拉普拉斯能量和作为PCNN的输入项,将信息熵与匹配度结合实现对高频子的融合。最后,利用多尺度逆变换将低频子带和高频子带图像进行融合。实验结果表明,所提方法能够有效提升融合图像的对比度并保留源图像的细节信息,在主观和客观评价上均有优良的性能表现。

非固定相机数字散斑相关方法拍摄待测物体表面的目标图像时, 所拍摄的目标散斑图像相对于参考散斑图像可能产生位置移动及图像旋转。通过辅助定位的相机标定方法可以计算出被测物体表面与相机的相对位置, 但无法获得散斑图像在平面内的旋转角度。数字散斑相关方法对图像旋转较为敏感, 随着旋转角度的增加, 目标子窗口与参考子窗口的相关性迅速降低。研究图像旋转角度对数字散斑相关方法计算精度的影响, 分析相关性随旋转角度降低的原因。对相关搜索方法进行相应的改进, 在搜索目标子窗口时增加对子窗口旋转角度搜索, 在计算参考图像中子窗口位移量的过程中, 同时计算了其旋转角度, 从而降低图像旋转的影响, 提高数字散斑相关方法的计算精度。