《表1 实验的客观指标：基于拉普拉斯金字塔和CNN的医学图像融合算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于拉普拉斯金字塔和CNN的医学图像融合算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表1中客观指标可得，MI用于表示信息之间的关系，是图像随机变量统计相关性的测量，值越大代表图像的相关性越高，在脑膜瘤、脑梗、脑中风三组实验中本文算法均达到最优，分别达到23%、4.3%、20.5%的提升。IE表示图像中包含的信息平均量，融合的目的在于使图像包含更多的信息，本文算法在脑膜瘤实验中，IE数值仅次于文献[28]算法，在脑梗和脑中风实验中均达到最优，且平均提升22.2%和13.6%。SSIM分别从亮度、对比度、结构三方面度量图像的相似性，值越大表示图像中结构信息越相似，在三组实验中本文算法对比NSCT-PCNN算法、文献[27]、文献[28]和文献[29]算法平均提升5.6%、18.4%、19.7%。SF反应图像灰度的变化率，图像中不同图像成分具有不同的空间频率，SF越高，图像的亮暗变化、短距离突变更明显，本文算法在三组实验中都仅次于文献[27]算法，但结合主观评价可知文献[27]算法边缘亮度均较强，导致了边缘细节信息不明显的问题，不符合人类视觉感知，同时相对于其他算法，本文算法也略有提升。AG反映图像微小细节变化的速率，其变化率的大小可以表征图像的清晰度，其在三组实验中数值均达到最优，反映了本文算法的融合图像在对纹理信息和细节信息的清晰保存上具有绝对的优势。总体而言，在客观指标上，说明了本文算法性能最优，不仅包含的信息量最多，较好地保留了融合图像的细节部分，而且对边缘信息的损失较少，客观评价与视觉观察结果相符，为精确的病灶定位及手术治疗提供有利的影像依据。