【摘要】：醫(yī)學(xué)圖像作為現(xiàn)代醫(yī)療診斷的重要信息來源,使得臨床診斷與治療變得更加高效、準(zhǔn)確,醫(yī)學(xué)圖像在醫(yī)學(xué)領(lǐng)域中發(fā)揮著不可替代的作用。然而在醫(yī)學(xué)圖像成像過程中,由于受到各種不良因素的影響,會導(dǎo)致醫(yī)學(xué)圖像出現(xiàn)不清晰、對比度低等問題,低質(zhì)量的醫(yī)學(xué)圖像會干擾醫(yī)生對病情的判斷,因此對醫(yī)學(xué)圖像增強(qiáng)方法的研究變得至關(guān)重要。利用人眼視覺注意機(jī)制原理能快速找到圖像的感興趣區(qū)域,本文重點(diǎn)對醫(yī)學(xué)圖像增強(qiáng)方法進(jìn)行研究,提出了基于視覺注意機(jī)制的圖像增強(qiáng)方法,該方法主要分為圖像顯著區(qū)域的提取、圖像增強(qiáng)和圖像質(zhì)量評價(jià)三個(gè)部分。本文主要完成以下工作:(1)分別對基于特征整合的視覺注意機(jī)制模型和基于全局對比度的視覺注意機(jī)制模型進(jìn)行研究和分析,并針對醫(yī)學(xué)圖像的顯著區(qū)域提取結(jié)果分析了兩種模型的優(yōu)缺點(diǎn)。(2)針對醫(yī)學(xué)圖像對比度低的特點(diǎn),提出了一種融合對比度特征的視覺注意機(jī)制模型,該模型將圖像對比度特征引入到基于特征整合的視覺注意機(jī)制模型中。求取對比度顯著圖時(shí),首先運(yùn)用SLIC超像素分割算法對原醫(yī)學(xué)圖像進(jìn)行分割,與其他分割方法相比,該算法能有效的保護(hù)圖像的邊緣紋理信息,再分別求取每塊圖像區(qū)域的對比度顯著值,最后得到醫(yī)學(xué)圖像的對比度顯著圖。通過融合醫(yī)學(xué)圖像的對比度顯著圖、亮度顯著圖和方向顯著圖得到圖像的最終顯著圖,并與現(xiàn)有的視覺注意機(jī)制模型得到的顯著圖結(jié)果進(jìn)行對比,驗(yàn)證了本文所提出的視覺注意機(jī)制模型的有效性。(3)針對醫(yī)學(xué)圖像自身特點(diǎn)和傳統(tǒng)圖像增強(qiáng)方法的不足,提出了一種基于視覺注意機(jī)制和人眼感知特性相結(jié)合的圖像增強(qiáng)方法。在獲得原醫(yī)學(xué)圖像顯著圖的基礎(chǔ)上,構(gòu)造了一種信息直方圖,與傳統(tǒng)直方圖的統(tǒng)計(jì)方式不同,該直方圖能綜合反映醫(yī)學(xué)圖像的信息量。由于信息直方圖存在幅值過大等問題,結(jié)合人眼亮度閾值曲線對信息直方圖的動態(tài)范圍進(jìn)行了優(yōu)化調(diào)整,進(jìn)而實(shí)現(xiàn)對醫(yī)學(xué)圖像的增強(qiáng)。分別用本文提出的圖像增強(qiáng)方法和現(xiàn)有的圖像增強(qiáng)方法對醫(yī)學(xué)圖像進(jìn)行增強(qiáng),并采用了一種同時(shí)考慮醫(yī)學(xué)圖像特點(diǎn)和人眼感知特性的醫(yī)學(xué)圖像質(zhì)量評價(jià)算法,對醫(yī)學(xué)圖像增強(qiáng)結(jié)果分析。數(shù)據(jù)結(jié)果表明,本文所提出的圖像增強(qiáng)算法對醫(yī)學(xué)圖像的增強(qiáng)效果最好。(4)用MATLAB語言對所提出的圖像增強(qiáng)算法進(jìn)行了編程實(shí)現(xiàn),設(shè)計(jì)了醫(yī)學(xué)圖像增強(qiáng)系統(tǒng),實(shí)現(xiàn)了用戶登錄、圖像顯著區(qū)域識別和醫(yī)學(xué)圖像增強(qiáng)等功能。
【圖文】：

第一章 緒 論背景與意義全球經(jīng)濟(jì)的快速發(fā)展和人口老齡化[1]的增加，醫(yī)院配備的醫(yī)療成像設(shè)備也學(xué)圖像的數(shù)量呈爆炸式的增長，對醫(yī)學(xué)圖像處理的研究是緊跟當(dāng)今社代，醫(yī)生為了診斷患者的病情，使用了“望、聞、問、切”四個(gè)步驟，皮膚，醫(yī)生就可以知道患者健康狀況。1895 年，德國物理學(xué)家倫琴拍攝光圖片[2]，該創(chuàng)舉引起了當(dāng)時(shí)社會各界的廣泛關(guān)注。在上世紀(jì) 70 年代，線成像技術(shù)（Computed Tomography,CT）開始問世[3]，該技術(shù)的出現(xiàn)標(biāo)備和計(jì)算機(jī)首次的完美結(jié)合，對醫(yī)學(xué)圖像界的發(fā)展具有深遠(yuǎn)的影響。

比度的方式來增強(qiáng)圖像，，該方法就是同態(tài)濾波。Faugeras 致力于研究基于彩色視覺的同態(tài)濾波，Rehman 等提出了 MSRCR 算法[24]，該算法與 Land 提出的 Retinex[25]算法相結(jié)合，并引入分量比值調(diào)整因子來降低色彩的失真程度，對水下圖像的、霧天圖像和低照度圖像都有不錯(cuò)的增強(qiáng)效果[26]。隨著圖像應(yīng)用的領(lǐng)域越來越多，專注于研究圖像增強(qiáng)技術(shù)是非常重要的。1.2.2 視覺注意機(jī)制研究現(xiàn)狀研究視覺顯著性的學(xué)者普遍認(rèn)為，視覺注意機(jī)制最早是由心理學(xué)方面的專家所提出的，他們發(fā)現(xiàn)，人類能夠迅速發(fā)現(xiàn)復(fù)雜場景的感興趣區(qū)域并準(zhǔn)確的鎖定它們的位置[27]這種識別效率是很多超級計(jì)算機(jī)都無法比擬的。隨后學(xué)者們通過做實(shí)驗(yàn)發(fā)現(xiàn)，靈長類動物具有實(shí)時(shí)處理復(fù)雜場景的能力，這是因?yàn)楦呒壍囊曈X處理流程對視覺信息進(jìn)行了選擇，最后只保留了一部分信息[28]。當(dāng)我們觀察一幅場景時(shí)，總是會先注意最顯著的區(qū)域如圖 1.2 所示，左圖中的太陽和右圖中的字母會最先引起我們的注意。
【學(xué)位授予單位】：濟(jì)南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;R318

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 余春艷;徐小丹;林暉翔;葉鑫焱;;應(yīng)用霧天退化模型的低照度圖像增強(qiáng)[J];中國圖象圖形學(xué)報(bào);2017年09期

2 孫玲姣;;基于Retinex理論的圖像增強(qiáng)算法研究[J];數(shù)碼世界;2016年12期

3 朱振軍;賈少華;;QMV141型微光圖像增強(qiáng)儀[J];輕兵器;2017年09期

4 程景云 ,朱泉生;用對流—擴(kuò)散方程的差分格式實(shí)現(xiàn)圖像增強(qiáng)的機(jī)理[J];上海海運(yùn)學(xué)院學(xué)報(bào);1989年04期

5 張春森;;利用TM資料提取森林信息的波段選擇及圖像增強(qiáng)方法探討[J];遙感信息;1989年04期

6 王超;;基于圖像增強(qiáng)的幾種霧天圖像去霧算法[J];自動化應(yīng)用;2018年02期

7 李杰美慧;王謀;韓江鴻;吳丹陽;王惠剛;;小波變換在水下圖像增強(qiáng)中的應(yīng)用[J];技術(shù)與市場;2016年07期

8 胡布?xì)J;莫曉麗;;降質(zhì)圖像增強(qiáng)及評價(jià)的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2015年09期

9 侯艷芹;李均利;魏平;陳剛;;一種基于二維離散小波變換的醫(yī)學(xué)圖像增強(qiáng)算法[J];計(jì)算機(jī)工程與應(yīng)用;2006年07期

10 王罡;;基于人眼視覺特性的艦船圖像增強(qiáng)方法[J];艦船科學(xué)技術(shù);2019年04期

相關(guān)會議論文 前10條

1 王穎斌;;標(biāo)清轉(zhuǎn)高清的圖像增強(qiáng)算法探討[A];第24屆中國數(shù)字廣播電視與網(wǎng)絡(luò)發(fā)展年會暨第15屆全國互聯(lián)網(wǎng)與音視頻廣播發(fā)展研討會論文集[C];2016年

2 余張蕾;楊兵;;基于小波變換的X線圖像增強(qiáng)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

3 陳浩;崔玉柱;劉清華;;工業(yè)X射線多尺度圖像增強(qiáng)方法研究[A];2014年全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2014年

4 張斌;吳鵬;袁杰;孫凌卿;傅啟明;陸宇;;一種基于人眼視覺特性的Curvelet域紫外圖像增強(qiáng)算法[A];數(shù)字中國 能源互聯(lián)——2018電力行業(yè)信息化年會論文集[C];2018年

5 虞學(xué)良;金浩然;楊克己;;水冷散熱板內(nèi)流道超聲成像的圖像增強(qiáng)[A];2017遠(yuǎn)東無損檢測新技術(shù)論壇論文集[C];2017年

6 肖斌;張眾;張旭東;;通過Matlab開發(fā)DSP的圖像增強(qiáng)算法[A];全國第三屆信號和智能信息處理與應(yīng)用學(xué)術(shù)交流會�？痆C];2009年

7 詹潔;嚴(yán)非;;一種新的變分Retinex圖像增強(qiáng)方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 黃松威;朱兆彤;胡友峰;;基于多尺度Curvelet變換聲納圖像增強(qiáng)改進(jìn)算法研究[A];2018年水下無人系統(tǒng)技術(shù)高峰論壇論文集[C];2018年

9 張玉成;孟凡勇;楊民;;小波變換和自適應(yīng)鄰域?qū)Ρ榷认碌腦射線圖像增強(qiáng)[A];第十五屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2017年

10 黃華;蔣永馨;王孝通;徐曉剛;;一種基于Ardely分割算法的夜間圖像增強(qiáng)方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前4條

1 王齊強(qiáng);我國圖像增強(qiáng)算法領(lǐng)域還需加強(qiáng)專利布局[N];中國知識產(chǎn)權(quán)報(bào);2017年

2 霍林濤;用ACDSee美化圖片[N];中國電腦教育報(bào);2004年

3 吳語;無限樂趣在其中[N];中國計(jì)算機(jī)報(bào);2000年

4 廣文;揭秘6色真相[N];中國計(jì)算機(jī)報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 陳杰;基于色彩信息的圖像增強(qiáng)研究[D];南京郵電大學(xué);2017年

2 張憲紅;基于動力系統(tǒng)的圖像增強(qiáng)與分割算法及在林火遙感中應(yīng)用[D];東北林業(yè)大學(xué);2017年

3 丁暢;復(fù)雜海況環(huán)境下海面圖像增強(qiáng)方法研究[D];大連海事大學(xué);2018年

4 向文鼎;霧天及海洋環(huán)境下的圖像增強(qiáng)與復(fù)原技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所);2019年

5 劉玉紅;基于生物視覺感知機(jī)制的圖像增強(qiáng)及質(zhì)量評價(jià)的研究[D];電子科技大學(xué);2018年

6 孔令海;基于PDE和曲率策動流的圖像增強(qiáng)去噪模型研究[D];中國工程物理研究院;2005年

7 王彥臣;基于多尺度數(shù)字X光圖像增強(qiáng)方法的研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2005年

8 侯國家;水下圖像增強(qiáng)與目標(biāo)識別算法研究[D];中國海洋大學(xué);2015年

9 趙欣慰;水下成像與圖像增強(qiáng)及相關(guān)應(yīng)用研究[D];浙江大學(xué);2015年

10 陳燕;工業(yè)X射線圖像增強(qiáng)算法研究[D];中北大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 秦月雅;交通標(biāo)志檢測與識別關(guān)鍵技術(shù)研究[D];長春理工大學(xué);2019年

2 魏妍妍;低照度圖像增強(qiáng)與超分辨率重建算法研究[D];西安科技大學(xué);2019年

3 秦嘉奇;基于CNN的場景圖像分類與弱光圖像增強(qiáng)研究[D];桂林電子科技大學(xué);2019年

4 王仕女;全局與局部融合的圖像增強(qiáng)算法研究[D];杭州電子科技大學(xué);2019年

5 卿文楊;單幅水下圖像增強(qiáng)算法研究[D];云南大學(xué);2018年

6 彭偉;基于卷積神經(jīng)網(wǎng)絡(luò)的低照度圖像增強(qiáng)[D];華中科技大學(xué);2019年

7 謝坤;基于暗通道先驗(yàn)和水體渾濁度識別的水下圖像增強(qiáng)算法[D];廈門大學(xué);2018年

8 尹超;基于Retinex的低照度圖像增強(qiáng)算法研究[D];重慶郵電大學(xué);2018年

9 胥培;基于Retinex理論圖像增強(qiáng)研究[D];重慶郵電大學(xué);2018年

10 李寧;基于視覺注意機(jī)制的圖像增強(qiáng)方法研究及應(yīng)用[D];濟(jì)南大學(xué);2019年

本文編號：2653674