今日，本小组成员崔子婧同学的论文《Multi-modal medical image fusion by Laplacian pyramid and adaptive sparse representation》被国际知名期刊《Computers in Biology and Medicine》接收并在线发表！

《Multi-modal medical image fusion by Laplacian pyramid and adaptive sparse representation》提出了一种基于拉普拉斯金字塔分解(LP)和自适应稀疏表示(ASR)的多模态医学图像融合方法。多模态医学图像融合是：将通过不同的成像方法获得的两幅或多幅医学图像，融合成一幅同时包含多种信息的医学图像。该融合方法首先利用LP分解将输入的两张医学图像分别分解成四层不同大小的图像，这些图像可以构成金字塔序列。这不仅减少了计算量，而且可以使下一步字典的构成和选择缩短时间。之后，对得到的两个金字塔序列中的每一层图像分别进行ASR融合，最终得到一个融合的金字塔。ASR不像传统的稀疏表示方法那样需要高冗余字典，因此可以降低图像融合过程中高频信息产生的噪声。最后，对生成的金字塔序列进行拉普拉斯逆变换得到最终的融合图像。为了测试提出方法的有效性，本文从主观性和客观性两个方面，将实验结果与多种经典融合方法进行对比。从主观性分析时，为了判断融合图像的是否符合人眼观察系统，每组图像均选取两个区域进行截取并放大。观察放大后的区域可以判断，该方法没有过多的伪影、噪声和块效应。从客观性分析时，本文使用9个评估指标来对实验结果进行评价，几乎都取得了较好的结果，证明上述主观性分析后的结论。因此可以得知，该方法能够有效地融合医学图像的信息，且优于其他的融合方法。

原文链接：http://www.sciencedirect.com/science/article/pii/S0010482520301888

( 发布日期: 2020-06-28 )