基于人眼视觉特性的多尺度DR图像增强方法_临床医学论文.docVIP

基于人眼视觉特性的多尺度DR图像增强方法_临床医学论文 基于人眼视觉特性的多尺度DR图像增强方法_临床医学论文 【摘要】 为了在增强对比度的同时又能较好地表现细节，我们提出了一种基于人眼视觉特性的多尺度图像增强方法，该方法在对数域进行图像的高低频分离，并对两部分分量分别进行直方图均衡和局部增强处理。此方法结合了直方图均衡和局部增强算法的优点，增强后的DR图像效果较好。 【关键词】 DR医学图像;变换域;局部增强;直方图均衡;Retinex 　　Abstract：In order to enhance the image contrast as well as to represent the image details, we propose a new multi-scale contrast enhancement algorithm which separates the low frequency signals and the high frequency signals of the image in logarithmic domain, processes them separately by using HE method and local contrast enhancement. This method integrates HE and local contrast enhancement and finally produces a visually comfortable result image. 　　Key words：Medical image;Ttransform domain; Local enhancement;Histogram equalization; Retinex 　　1 引 言 　　数字X线摄影(DR)图像在医学诊断中有着广泛应用，能够帮助医生发现病灶、提高诊断正确率。但由于人体结构和组织的复杂性，以及数字X线成像系统中X线散射、电器噪声、光量子噪声等各种不利因素的影响，使得DR图像成像效果不尽如人意，影响医学诊断的正确性。因此，对DR图像进行处理是必不可少的。[1] 　　未经处理的DR图像有如下特点：信息量大，对比度低，细节丰富但湮没不可分辨。另外，图像常常伴有较为明显的椒盐噪声。因此，对于DR图像的图像增强算法，要求能够在提高图像的动态范围、增强对比度的同时，尽可能抑制噪声的放大。 　　直方图均衡是图像增强处理最为常用的方法之一，是将给定图像的直方图分布映射成为均匀分布的直方图，从而提高图像的动态范围，增强图像对比度。但直方图均衡存在一些缺陷，例如当图像灰度集中于某个灰度值时，经过直方图均衡的图像会出现“洗白”的效果，见图1。另外，基于直方图的图像增强方法利用的是图像的灰度统计信息，并未考虑到图像灰度在空间上相关性。 　　局部对比度增强方法，能够显著提高图像局部的对比度，但同时对于噪声有放大作用，且对全局对比度的提高没有显著作用。 　　综合以上考虑，我们提出一个结合局部增强和全局直方图均衡的算法。主要原理是在不同尺度上提取图像细节予以增强[2-3]，并根据Retinex理论对图像照明分量用直方图均衡方法进行处理，最后对上述高低频分量进行混合，使之在图像动态范围得以改善的同时也能增强局部对比度，最终得到较好的视觉效果。 　　 2 算法与分析 　　2.1 Retinex模型 　　按照Retinex图像理论[4-5]，一般自然景物的图像f(i,j)可以用照明函数I(i,j)和反射函数R(i,j)的乘积来表示，照明函数描述景物照明，与景物无关;反射函数R(i,j)包含景物的细节，与照明无关。基于该模型，定义理想的图像f(i,j)为： 　　f(i,j)=R(i,j)×I(i,j) 　　利用对数函数，可以将两者分开，同时也符合人眼主观亮度近似为客观亮度的对数这一视觉特性。 　　ln〔f(i,j)〕=ln〔R(i,j)〕+ln〔I(i,j)〕 　　一般认为，照明分量的频谱落在空间低频区域，通常具有变化缓慢的特性;而反射分量的频谱落在空间高频区域，随着图像细节不同在空间上迅速变化。若物体受到照明度明暗不均时，图像上对应照度暗的部分，其细节就较难分辨。 　　2.2 局部增强技术 　　医学X光图像大多存在对比度不足的缺陷，但仅仅利用全局信息的增强技术往往不能够达到很好的对比度增强效果。 　　局部增强技术是解决该问题的途径之一。一般认为，窗口中心的像素灰阶与窗口邻域中所有的像素灰度值相关[6]。本研究利用局部窗口中像素灰度均值作为基准，计算窗口中心像素灰度与均值的差，并按照一定的拉伸函数对差值进行拉伸，从而增强局部对比度。 　　y(m,n)=u(m,n)+A(x(m,n)-u(m,n));