公开(公告)号：CN102682439A

公开(公告)日：2012-09-19

申请号：CN201210011655.X

申请日：2012-01-15

Applicant: 河南科技大学

Inventor： 梁灵飞 ,  平子良 ,  普杰信 ,  黎蔚 ,  黄涛

IPC: G06T5/50

Abstract: 本发明涉及基于多向经验模式分解的医学图像融合方法，该方法采用多向经验模式分解对采集的不同种类的医学源图像进行多尺度多向分解，获得源图像的多尺度多向的高频分量内蕴模式分量，按照区域能量规则进行融合处理，可有效地提取各源图像的高频细节信息；对源图像的低频剩余分量采用能量贡献规则进行融合处理，最后反变换获取融合图像，融合后的图像有效提高融合图像的目视效果，避免小波、超小波、窗口经验模式分解融合算法引起的融合图像出现局部畸变或缺失的缺点，无需人为进行参数的选择，并且能够很好地提取源图像的细节信息，实现自适应地医学图像融合基于全新的多尺度分解结构，具有完全数据驱动的自适应性，具有更强的细节信息获取能力。

公开(公告)号：CN102682439B

公开(公告)日：2014-04-16

申请号：CN201210011655.X

申请日：2012-01-15

Applicant: 河南科技大学

Inventor： 梁灵飞 ,  平子良 ,  普杰信 ,  黎蔚 ,  黄涛

IPC: G06T5/50

Abstract: 本发明涉及基于多向经验模式分解的医学图像融合方法，该方法采用多向经验模式分解对采集的不同种类的医学源图像进行多尺度多向分解，获得源图像的多尺度多向的高频分量内蕴模式分量，按照区域能量规则进行融合处理，可有效地提取各源图像的高频细节信息；对源图像的低频剩余分量采用能量贡献规则进行融合处理，最后反变换获取融合图像，融合后的图像有效提高融合图像的目视效果，避免小波、超小波、窗口经验模式分解融合算法引起的融合图像出现局部畸变或缺失的缺点，无需人为进行参数的选择，并且能够很好地提取源图像的细节信息，实现自适应地医学图像融合基于全新的多尺度分解结构，具有完全数据驱动的自适应性，具有更强的细节信息获取能力。