为解决多模医学图像融合边缘模糊,互补信息不充分的问题,提出一种基于改进的引导滤波和双通道脉冲耦合神经网络(PCNN)的医学图像融合算法。利用非下采样轮廓波对医学源图像进行变换,采用双通道PCNN融合图像的低频部分,将改进的拉普拉斯能量和作为双通道PCNN的激励输入,将改进的空间频率作为链接强度;采用改进的引导滤波算法融合图像的高频部分。融合后的低频和高频信号进行非下采样轮廓波变换逆变换即可得到融合图像。实验结果表明,多模医学图像融合中,所提算法有效保留了源图像的特征信息,并在互信息量、信息熵、空间频率等客观评价指标上取得了良好的效果。

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题, 将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合, 提出一种新的图像融合方法。利用引导滤波和高斯低通滤波, 将源图像分解为低频近似部分、强边缘部分和高频细节部分, 并将高频细节部分进行非下采样方向滤波, 进一步得到高频方向细节部分; 对低频近似部分应用基于局部区域能量的融合规则, 对强边缘部分提出一种基于卷积稀疏表示的融合规则, 对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则, 得到相应的融合部分, 并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明, 算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法, 其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。

为了解决复杂环境下红外人体目标分割应用中当前脉冲耦合神经网络（PCNN）方法常出现的噪声适应性差、目标边缘细节模糊等问题，提出了改进的PCNN方法。根据红外噪声特点，利用加权均值滤波和各向异性高斯滤波设计了模型反馈输入域的权值矩阵；采用改进的拉普拉斯分量绝对和表示PCNN的连接强度参数，从而实现了该参数的自适应设置；用点火区域平均灰度值构建动态阈值的方法，实现了PCNN模型的迭代控制。对IEEE OTCBVS和自拍数据库中的250余幅红外人体图像进行对比实验，结果表明，提出的方法能够有效抑制红外噪声，分割出带有较多边缘细节的人体目标，与其他PCNN分割方法相比，该方法还具有较优的平均概率兰德指数和较低的平均全局一致性误差。