摘要
本发明公开了一种基于对比约束和IDFAM的多分支医学图像融合方法,涉及图像融合技术领域,包括在编码层阶段,将成对的源图像分别送入私有特征提取分支,在私有分支中,设计了多尺度残差模块和梯度密集连接模块,并将其交替利用,以有效提取各个模态的独有特征;同时将源图像放入公有特征提取分支提取互补信息,设计了信息交互的机制,以确保充分提取互补信息;其次,对公有分支和私有分支分别构建了融合深层特征的注意力机制,在融合层,我们将三条路径提取的特征采用Concatenation和卷积策略进行融合。在解码层,我们采用残差的解码器网络,通过解码器前三个卷积层重建公共和私有特征,最终的融合图像通过解码器的最后一层卷积重建。
技术关键词
医学图像融合方法
分支
残差模块
融合深层特征
sigmoid函数
解码器
注意力机制
图像融合技术
级联
细粒度特征
全局平均池化
元素
通道
多模态特征
特征提取器
代表
高频特征
特征提取模块
系统为您推荐了相关专利信息
检测识别方法
缺陷检测识别
卷积模块
置信度阈值
输出特征
桩基缺陷
桥梁
多尺度特征融合
网络结构设计
损失函数设计
注意力
跟踪方法
匈牙利算法
深度孪生网络
特征融合网络
船只识别方法
瓶颈特征
多尺度特征提取
网络
判别模块