关于滑动权值经验模式分解的医学图像增强研究.pdfVIP

第14卷第7期2014年3月 科学技术与工程 V01．14No．7Mar．2014 Science and 1671—1815(2014)07—0055—05 Technology @2014 Engineering Sci．Tech．Engrg． 基于滑动权值经验模式分解的 医学图像增强研究 梁灵飞章冲 (河南科技大学信息工程学院，洛阳471003) 摘要 医学影像设备由于外在和内在因素的影响，所成图像对比度较低。运用小波、超小波增强算法，由于基函数需预先 设定，无法自适应分析局部特性，导致增强后图像引入较大的噪声，图像细节出现畸变。二维经验模式分解(BEMD)可以数据 自驱动分析局部数据；但由于插值算法或极值的影响，分解分量存在斑块或斑点的缺陷，影响后续处理。针对这种情况，提出 医学图像增强，并结合提出的非线性增强规则，能够更好地增强原始图像，增强图像的细节清晰无变形，对比度适中。实验证 明该算法的增强效果优于目前的图像增强算法。 关键词 滑动权值函数 经验模式分解 图像增强 内涵模式分量 非线性增强规则 中图法分类号TP391．41； 文献标志码A 医学影像成像系统复杂，容易受到各种外在和 解算法(bi．dimensionalbased interpolationempirical 内在因素的影响，导致图像对比度降低，局部细节没 mode 有明显的灰度差别，分辨较为困难。图像增强的目 框架，运用不同的二维插值算法，得到IMF分量。 bi．dimensional 的就是有选择地增强图像中某些信息，抑制另一些 文献[6]中提出的(adaptive empirical 信息，以改善图像的对比度和分辨率，增强图像的视 mode 觉效果，便于医生后期判断处理，降低误诊率。 极值点，并应用优化的径向基函数进行曲面拟合。 目前，主流的医学图像增强方法主要是基于多 但这两种算法在图像噪声较大时，不利于提取有意 尺度几何分析方法的，通过提取高频细节信息，运用 义的极值，分解效果较差。文献[7]中提出的基于 extreme 增强规则将其增强，如小波¨J、超小波变换增强算 结构极值的经验模式分解算法(structural based mode 法[2，3|，可有效增强图像的细节信息。而图像数据 empirical 一般为非线性非稳定信号，运用基函数预先设定的 方向模板根据局部阈值检测极值，有效降低了噪声 分解，不利于局部信号的分析和表示，造成增强后的 对极值检测的影响。然而上述算法由于极值分布的 图像细节信息会由于它们自身的缺陷出现局部变 不规则性和插值算法不恰当的拟合，导致各级分解 形。因此学术界和工程界从未停止寻找更好的多尺 IMF图像中存在大量斑块，影响图像的后续处理，如 度非线性非稳定分析算法和增强算法。 图像增强领域。文献[8，9]中提出的基于顺序统计 statisticsfilter mode 滤波器的经验模式分解算法(orde