摘要: 针对非下采样Contourlet变换(NSCT)后计算复杂度高以及医学融合图像质量差等 问题,提出一种基于压缩感知和脉冲耦合神经网(PCNN)的图像融合方法。首先将源图像进行 NSCT单层分解;其次,对计算量较大的高频子带采用高斯随机测量矩阵进行压缩测量,融合规 则选用绝对值取大的方法,对融合后的高频图像采用正交匹配追踪算法(OMP)进行重构;然后 对低频子带采用基于PCNN的融合规则,将低频子带系数作为信号激励PCNN网络,根据低频 图像的特性选择较大点火次数的系数作为低频子带融合系数;最后对高频融合图像和低频融合 图像通过NSCT逆变换,得到最终的融合图像。实验结果表明:该算法无论从人眼视觉效果还 是客观评价指标上均优于其他算法,且具有较强的鲁棒性。