【图像融合】基于形态学分析结合稀疏表征实现图像融合附matlab代码

最新推荐文章于 2023-07-31 23:45:38 发布

原创最新推荐文章于 2023-07-31 23:45:38 发布 · 304 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #开发语言

图像处理专栏收录该内容

871 篇文章

订阅专栏

本文介绍了一种用于像素级医疗图像融合的稀疏表示模型——基于卷积稀疏的形态组件分析（CS-MCA）。该模型不同于传统的单一图像组件的稀疏表示模型，它在融合过程中考虑了图像的结构信息。通过提供部分代码实现和仿真结果，展示了CS-MCA在图像融合中的应用。参考文献提及了一篇2019年的IEEE信号处理快报文章，该文章详细探讨了这种方法。

1 简介

In this letter, a sparse representation (SR) model named convolutional sparsity based morphological component analysis (CS-MCA) is introduced for pixel-level medical image fusion. Unlike the standard SR model, which is based on single image component and

2 部分代码

clear allclose allclcaddpath(genpath('SparseCode'));addpath(genpath('Util'));load('dictionary/Dc_8_8_32.mat')load('dictionary/Dt_8_8_32.mat')img1=imread('sourceimages/source1.tif');img2=imread('sourceimages/source2.tif');imgf=CSMCA_Fusion(img1,img2,Dc,Dt);figure,subplot(131);imshow(img1);title('图1')subplot(132);imshow(img2);title('图2')subplot(133);imshow(imgf);title('融合图')imwrite(imgf,'Results/fused_csmca.tif');

3 仿真结果

4 参考文献

[1]Liu, Yu, Chen, et al. Medical Image Fusion via Convolutional Sparsity Based Morphological Component Analysis[J]. IEEE Signal Processing Letters, 2019.