對(duì)比度增強(qiáng)技術(shù)一直是圖像處理領(lǐng)域中的熱門話題。醫(yī)學(xué)圖像在臨床診斷和醫(yī)學(xué)分析中有著重要作用。然而受限于設(shè)備與實(shí)際情況等限制,醫(yī)學(xué)圖像的成像質(zhì)量往往較低,這一問題制約著醫(yī)學(xué)圖像技術(shù)的發(fā)展和應(yīng)用。因此醫(yī)學(xué)圖像的增強(qiáng)處理對(duì)醫(yī)學(xué)圖像的分析使用有著重要的意義。雖然傳統(tǒng)的圖像對(duì)比度增強(qiáng)方法對(duì)圖像對(duì)比度有一定的增強(qiáng)效果,但大部分已有的對(duì)比度增強(qiáng)算法在增強(qiáng)后都會(huì)造成一定程度的圖像信息的損失。醫(yī)學(xué)圖像中的細(xì)節(jié)信息往往會(huì)成為病情診斷中的關(guān)鍵,因此在增強(qiáng)圖像的同時(shí)保留圖像的細(xì)節(jié)信息十分重要。本文將對(duì)醫(yī)學(xué)圖像的可逆對(duì)比度增強(qiáng)算法展開相應(yīng)的研究工作。近年來,有關(guān)可逆圖像對(duì)比度增強(qiáng)方法被提出,該方法可以無損地對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)。算法的這一優(yōu)點(diǎn)讓我們?cè)谔岣哚t(yī)學(xué)圖像質(zhì)量的同時(shí)保留了圖像的全部信息,幫助醫(yī)學(xué)研究和醫(yī)學(xué)診斷。但在實(shí)驗(yàn)測試中發(fā)現(xiàn)目前現(xiàn)有的方法存在圖像失真與增強(qiáng)效果較差等缺陷,影響了圖像質(zhì)量。本文針對(duì)增強(qiáng)算法中出現(xiàn)的問題,通過結(jié)合現(xiàn)有算法與改進(jìn)預(yù)處理方法,成功解決圖像失真問題,提高增強(qiáng)結(jié)果的圖像質(zhì)量。同時(shí)引入更適合醫(yī)學(xué)圖像的Grab Cut分割方法,對(duì)醫(yī)學(xué)圖像進(jìn)行互動(dòng)式分割,得到一套有效的針對(duì)醫(yī)學(xué)圖像的交互式... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

增強(qiáng)圖像的失真

華南理工大學(xué)碩士學(xué)位論文(a)GrabCut方法:RCE=0.5613,RCEOI=0.5760,RMBE=0.9968(b)Otsu’s方法:RCE=0.5413,RCEOI=0.5204,RMBE=0.8852(c)圖3-11(a)的局部放大(d)圖3-11(b)的局部放大圖3-11對(duì)圖像“JPCLN008”分別使用GrabCut方法與Otsu’s方法得到的CXR圖像增強(qiáng)結(jié)果，紅線框選部分為專家人工分割結(jié)果得到的參考線，參數(shù)統(tǒng)一設(shè)置為S=47,R=1.5%(a)BRISQUE(b)NFERM圖3-1230張CXR原始測試圖像與基于GrabCut增強(qiáng)圖像的圖像質(zhì)量評(píng)價(jià)統(tǒng)計(jì)(S=30,R=1.5%)法簡稱為GrabCut方法。我們將與四種來自不同文獻(xiàn)中的方法作為對(duì)照，分別將其簡稱為RIDH[33]、RDHmwCE[34]、KIM[38]、ANRDH[43]。使用的圖像與上一節(jié)中的圖像相同，同時(shí)參數(shù)也設(shè)置為S=30。圖像增強(qiáng)的原圖與結(jié)果我們選取其中兩幅放在圖3-13和圖3-14中。對(duì)于RDHmwCE和GrabCut方法，由于其包含了圖像中背景分割的步驟，需26


本文編號(hào)：3060362