基于卷积神经网络的多模态影像阈值分割预处理方法

本发明涉及基于卷积神经网络的多模态影像阈值分割预处理方法，将影像统一到标准空间，并进行像素值映射、重采样生成高低频子带，对高频子带软阈值去噪、低频子带增强对比度后融合；对影像质量评估并添加标签，构建优化的VGGnet框架，生成噪声对抗网络进行主动学习循环训练卷积神经网络模型，将影像输入模型预测，基于预测结果计算局部熵和梯度幅值，动态调整融合权重获取自适应阈值，进行像素级二值化分割，通过设定特征标签‑分割方法的双层矩阵实现最优分割；对分割后的影像进行灰质Dice计算，不合格影像通过基于高斯过程回归模型的动态参数调整模块优化预处理参数。有效提升了多模态影像的分割精度和处理效率，增强模型对复杂影像的适应性。