基于人眼视觉特性的医学图像增强技术.docx
《基于人眼视觉特性的医学图像增强技术.docx》由会员分享,可在线阅读,更多相关《基于人眼视觉特性的医学图像增强技术.docx(58页珍藏版)》请在冰豆网上搜索。
基于人眼视觉特性的医学图像增强技术
目录
第一章绪论10
1.1研究背景及意义10
1.2医学图像增强的国内外研究现状12
1.3医学图像增强的特点14
1.4增强算法的创新点15
1.5基于人眼视觉特性的医学图像增强技术主要内容15
第二章常用的医学图像增强方法17
2.1医学图像对比度增强17
2.1.1灰度映射17
2.1.2直方图均衡化21
2.1.3直方图规定化22
2.2医学图像去噪23
2.2.1图像平滑概述23
2.2.2几种图像平滑方法的原理24
2.4医学图像边缘增强26
2.4.1图像锐化概述26
2.4.2几种常见的图像锐化方法原理27
本章小结:
28
第三章人眼视觉综述30
3.1人眼视觉系统概述30
3.2人眼视觉感知概述31
3.2.1人眼视觉信息传递过程31
3.2.2人眼视觉的感受野32
3.2.3人眼视觉系统的注意机制32
3.3人眼视觉特性总括33
3.4医学图像增强算法用到的人眼视觉特性35
3.4.1人眼的微动理论35
3.4.2人眼感兴趣区域规律36
3.4.3人眼的边缘敏感性36
3.4.4人眼对比灵敏度特性36
本章小结:
37
第四章基于人眼视觉特性的医学图像增强算法38
4.1基于人眼视觉特性的医学图像增强算法的框架38
4.2医学图像的预处理过程39
4.2.1基于大津法的阈值二值化39
4.2.2计算最大面积闭合轮廓40
4.3基于人眼的对比灵敏度特性的灰度映射41
4.3.1灰度映射函数的构造41
4.3.2构造的灰度映射函数分析42
4.4分解滤波43
4.4.1拉普拉斯算子43
4.4.2分解滤波的原理44
4.4.3基于拉普拉斯算子基础上的分解滤波45
本章小结:
46
第五章增强算法的实现47
5.1基于人眼视觉特性的医学图像增强的算法流程47
5.2本文算法应用于医学图像实验47
本章小结:
52
第六章总结与展望53
参考文献:
56
致谢:
60
摘要
随着科学技术,特别是电子技术和计算机技术的发展,图像的采集和处理技术有了长足的发展。
在此同时,也涌现出了许许多多的医学图像增强技术。
医学图像是现代医疗诊断和医学研究的重要依据,但由于医学图像成像设备等硬件的限制影响,通常得到的医学图像可能存在细节不清晰、对比度低等现象,并不能达到医务工作者的要求。
可见,医学图像增强技术对于医学图像具有至关重要的作用。
所以,为了医务工作者能够对医学图像做出正确的分析和诊断,我们需要把医学图像增强技术作为重点研究。
目前,常见的医学图像增强技术有全局增强方法和局部增强方法。
常用的医学图像增强技术有对比度拉伸、直方图变换、小波变换等等。
但是这些增强方法带有较强局限性,在某些时候并不能得到较好的医学图像。
例如,直方图变换法对医学图像的全局增强效果较好,但对医学图像的重要区域(如:
病灶区)增强效果相对来说不够明显;对比度拉伸法能够增强医学图像的对比度,增强医学图像的视觉效果,但同时可能会造成图像细节的丢失等等。
基于这种情况,提出了基于人眼视觉特性的医学图像增强算法,将医学图像增强方法与人眼的视觉特性巧妙地结合在一起,实现医学图像实际意义上的增强。
该算法从研究人眼视觉系统的角度出发,利用人眼的对比灵敏度特性和人眼对图像边缘敏感性强的特性,结合人眼的感兴趣区域规律,提出了一种新的图像增强的思路,能够有效地提高医学图像增强的效果,特别是对于医学CT图像,有着显著地效果。
首先,对一幅医学图像进行预处理,得出算法主要的增强区域;其次,对该区域运用提出的符合人眼视觉特性的增强函数增强图像(在此过程中增强医学图像的边缘和对比度,同时降低噪声的影响);最后,输出增强图像。
关键词:
医学图像增强,对比灵敏度,边缘敏感性,增强函数
Abstract
Asthedevelopmentofcomputertechnologyandmedicalimagingequipment,medicalimageacquisitionandprocessingtechnologyhasmadegreatprogress.Inthemeantime,alsoemergedmanymedicalimageenhancementtechnology.Medicalimagesareanimportantbasisformodernmedicaldiagnosticsandmedicalresearch,butbecauseofrestrictionsaffectingmedicalimageimagingequipmentandotherhardware,themedicalimageisusuallypossibletogetthedetailsarenotclear,thephenomenonoflowcontrast,andcannotmeettherequirementsofmedicalworkers.Therefore,inordertomaketherighthealthcareworkersanalysisanddiagnosisofmedicalimages,weneedtoputmedicalimageenhancementtechnologyasanimportantresearchtopic.
Medicalimageenhancementtechnologyformedicalimagehasacrucialrole.Currently,commonmedicalimageenhancementtechnologytoenhanceglobalandlocalenhancementmethods.Commonlyusedinmedicalimageenhancementtechnologycontraststretching,histogramtransform,wavelettransform,andsoon.However,theselimitationswithastrongenhancement,atsomepointdoesnotgetbettermedicalimages.Forexample,thehistogramtransformtheglobalmedicalimageenhancementisbetter,buttheimportantareaofmedicalimages(suchas:
lesionarea)enhancetheeffectisrelativelyobviousenough;contraststretchingmethodcanenhancemedicalimagecontrastenhancementmedicinethevisualeffectoftheimage,butmayresultinlossofimagedetailandsoon.Basedonthissituation,proposedhumanvisualcharacteristicsofmedicalimageenhancementalgorithmbasedonthemedicalimageenhancementmethodandvisualcharacteristicsofthehumaneyecleverlycombinedtoachieveenhancedmedicalimagepracticalsense.
Thealgorithmfromtheperspectiveofthehumanvisualsystem,andbyusingthehumaneyeismoresensitivethantheimageedgefeaturesandcharacteristicsofcontrastsensitivityofthehumaneye,combinedwiththeregionofinterestlawsofthehumaneye,weproposeanewimageenhancementideas,canimprovetheaccuracyofimageenhancement,particularlyfortreatmentofmedicalCTimagehasasignificanteffect.First,amedicalimagepreprocessingalgorithmismainlyderivedenhancementarea;secondly,toenhancethefunctionoftheregioninlinewiththeproposeduseofthehumanvisualcharacteristicsenhancedimage(edgeenhancementandcontrastofmedicalimagesinthisprocess,whilereducingtheeffectsofnoise);Finally,theoutputenhancedimage.
Keywords:
MedicalimageenhancementContrastsensitivityEdgesensitivityEnhancedFunctions
第一章绪论
随着电子与计算机技术的发展,图像处理技术得到极大发展,已经成功的应用于军事、医学等各大领域。
我们所说的医学图像增强技术是指在增强图像对比度和增强边缘的同时尽量降低噪声的影响。
医学图像往往对于图像质量要求较高,通过研究人眼的视觉特性,并加以运用到医学图像增强技术中,对于医学图像增强至关重要。
1.1研究背景及意义
20世纪60年代,计算机技术和VLS技术得到极大发展,图像处理技术也逐渐发展和成熟起来的。
图像处理技术的发展历程大致可分为:
初创期、发展期、普及期和实用化期。
20世纪80年代,图像处理技术进入了普及期,此时,计算机已经能够承担关于图像处理的大部分工作[1]。
自20世纪90年代以来,图像处理技术进入了一个大发展阶段:
1986年,小波变换理论的提出,解决了傅里叶变换不能用于局部分析的问题,图像处理技术应用到了一个较高的水平[2]。
1988年,Mallat有效地将小波应用于图像分解和重构,这个方法被认为是图像处理在数学方法上的重大突破[3]。
随着图像处理技术的快速发展,图像处理技术在中办公自动化系统、图像通讯、地理信息系统得到了广泛重视及应用。
另外在医疗设备和卫星图片的传输与分析的应用显得尤为重要。
已知的几类图像处理技术有图像增强、复原、编码、压缩、去噪等,其中,去噪在一定程度上也可以归于图像增强。
图像增强是输入“不好”的图像,输出改善后“好”的图像。
在这一过程中,人眼视觉起到了至关重要的作用。
无论是传统方法处理后的图像还是通过计算机处理的图像,在直观上都应该以人眼的接受为目标(这里说的是图像直观上的观察,计算机输出的一些质量评价数据除外)。
图像增强的目的就是获得视觉效果好的图像,增强的效果通常以人眼的主观感觉来评价,通常与具体的图像相关。
因此,我们可以认为图像增强就是依据人眼的视觉特性将原图像转换为适合于人眼观察的、视觉效果好的、运用于计算机处理的图像
当今社会,图像增强技术得到广泛应用。
在军事侦察、航空航天、医疗诊断、无损探伤、指纹识别、人脸识别、卫星图片处理等领域都得到了较广泛的应用[4]。
例如:
(1)在煤矿工业电视系统中通常存在因光线不足、灰尘等原因造成的图像模糊、偏差等现象。
应用图像增强技术可以有效地解决这些问题,减少电视系统维护的工作量和花费。
(2)在医学CT图像中运用图像增强,能够帮助医生更容易的找出图像中的病灶区,并从中找出病变细节,利于对患者的病情进行诊断。
(3)对一个区域的遥感图片,我们可以通过对不同时间拍摄的各个图片进行图像增强,来侦察敌人是否有军事行动或军事装备的增减。
(4)目前,图像增强技术的应用已经渗透到指纹识别、航空航天、军事侦察、无损探伤、医学诊断等各个领域。
(5)20世纪60年代以来,指纹识别、鉴定领域开始引入计算机技术,发达国家(如:
英国、美国、法国、日本)相继研发出各自的指纹识别系统。
之后,在金融安全、电子商务、数字加密等领域计算机指纹识别技术得到了广泛的应用。
在我国,开始指纹自动识别系统的研制较晚。
到20世纪80年代,我国才开始致力于研究指纹自动识别系统。
而后,随着北京大学、清华大学、北京市公安局刑事科学技术研究所、公安部第二研究院等相继研发出半自动或自动的指纹识别系统,我国的指纹识别技术正在逐步走向成熟。
特别需要注意的是,北京大学自主研制出的指纹识别自动系统已经走向国际,并且取得了举世瞩目的成就。
(6)在航空航天遥感应用中,由于遥感图像很容易受到自然因素(如:
天气、云雾等)的影响,获得的图像会出现整体对比度低、模糊或者局部边缘信息不够突出等现象,我们通过图像增强技术改善图像的质量,突出图像的重要信息,提高图像的视觉效果,为以后对遥感图像的分析做好前提准备。
(7)随着红外线技术的出现,军事和日常生活对图像有了更高的要求。
一般来说,红外线成像系统的成像效果并不理想。
特别是在夜视过程中,由于夜视距离的影响,所得到的图像的特征往往不够明显,这就需要我们对红外线图像的目标特征分割增强,得到视觉效果好的图像。
除了上述领域之外,还要尤其值得注意的就是医学领域。
与此同时,图像增强技术也在医学领域中取得了重大成就。
1895年,德国物理学家伦琴用他发现的X射线为他的夫人的手拍下了一张人类历史上第一张医学图片。
医学图像的出现为医务工作者提供可用于诊断和治疗的信息,它的出现使医务工作者可以不用手术而直接对患者的病情进行诊断和分析,大大减轻了患者的痛苦。
通过医学图像增强技术,我们可以获得视觉质量好的图像。
因此,医学图像增强技术在医疗诊断和医学研究中占有举足轻重的地位。
随着科学技术的进步,医学图像的获取方法越来越多。
1972年,英国工程师Housfeild发明了X射线计算机断层摄影装置,并把它用于头颅诊断。
1975年,用于全身诊断的CT装置在EMI公司研制成功诞生,并以此获得人体全身的断层摄影图像。
随后随着CR技术的诞生于发展,人们对X光影像数字化处理、保存和传输成为现实。
医学图像成为现代医学中不可或缺的一部分。
医学图像的质量能够直接影响到医学诊断的准确性,但是在实际生活中获得的医学图像由于医学成像设备、显示设备等的限制或者认为因素的影响往往存在分辨率低、对比度不足和噪声等问题。
这种图像不能突出病灶区的信息,造成正常区域与病灶区很难辨别,不利于医务工作者对病情的诊断。
这就需要我们对医学图像增强技术进行深入研究。
目前的医学图像增强大致可分为以下三个方面:
1)去除噪声;
2)增强边缘;
3)增大对比度;
基于人眼视觉特性的医学图像增强方法结合人眼的视觉特性主要解决医学图像存在的分辨率低、对比度不足和噪声等问题,实现医学图像主观意义上的增强。
1.2医学图像增强的国内外研究现状
在医学领域中,传统的图像增强方法大致可分为全局增强方法和局部增强方法。
全局增强方法包括对比度拉伸和直方图均衡等。
全局增强方法对局部的纹理和细节却不能有效地增强,只能增强全局的对比度,在全局上增强视觉效果。
所以即使采用全局增强法也同样会产生欠分割现象。
局部增强方法在增强局部纹理的同时也增强了噪声,将导致分割时产生过分割现象。
为了便于医生对病灶区或对感兴趣的区域进行正确诊断,我们需要对图像进行细节增强处理,以改善图像质量。
随着小波变换、Contourlet变换、拉普拉斯算子、Sobel算子等的提出,医学图像增强进入了一个更高的层次。
目前国内外医学图像增强的方法主要有以下几种:
基于dbN小波变换的医学图像混合作用域增强算法。
该算法首先用sobel算子提取图像的边缘,然后滤波得到原图像的锐化图像,最后采用幂次变换扩展图像的灰度范围,实现图像增强。
与常用的分段小波增强算法相比,该算法的自适应性强,增强后的图像能够保留丰富的细节,视觉效果较好。
我们对不同尺度的小波系数进行锐化增强时,为了避免噪声的放大和过增强现象,首先利用模糊规则将像素分为低细节,中细节和高细节三类(这是通过计算该尺度低频系数中心像素与其邻域像素的相容性来实现的),然后利用自适应算法计算非线性细节增益系数,最后小波重建(把增益系数与细节小波系数相乘)后得到增强图像。
实验结果表明,该增强算法不仅能够图像细节进行增强而且能够有效地抑制噪声。
用户可以调节中细节区域增强因子来适用于图像的特征,从而获得满意的增强效果。
通过对选择空间频率的响应的增加来增强CR图像的结构边缘和细节的算法,其中对选择空间频率的响应的增加是使用钝化模糊影像来实现的。
此算法首先根据CR图像的灰度特性来调节不同灰度级不同的增强程度的加权因数K,然后非线性地增强CR影像的边缘细节。
实验证明,CR图像经此算法处理后:
细节丰富,细节方差与背景方差之比为通用算法的9到6倍。
CR图像增强后具有良好的视觉效果,可以证明这种方法是CR医学放射图像边缘细节增强的一种好方法。
另外,该算法同样适用于在多尺度分析基础上的小波分解。
首先采用两步提升法对小波分解得到的低频子带图像进行对比度增强处理,然后对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。
实验结果表明,该方法不仅提高了医学图像的对比度,改善了图像质量,而且有效地解决了噪声放大问题(在传统方法中难以克服)。
通过该方法处理后能够得到更利于医生进行分析诊断和后续处理的医学影像。
由于医学图像存在对比度低、暗部细节模糊等问题,可能造成图像视觉效果不佳导致医务工作者难以判断病灶区状况甚至导致误诊,诞生出了一种基于高性能DM643芯片的X线医学图像增强处理器,它是在人眼视觉理论的多尺度Retinex算法的医学图像增强方法的基础上产生和发展起来的。
以分析直方图均衡化、直方图规定化和局部对比度增强这三种图像增强方法为基础将直方图规定化和局部对比度增强方法相结合,得不一种新的医学图像增强方法。
实验结果表明该方法在提高了图像的整体对比度的同时又突出了图像的局部细节,其增强效果优于直方图均衡化、直方图规定化处理方法的增强效果。
可以看出,图像增强技术在医学图像增强中起着至关重要的作用。
运用图像增强技术对CR图像、CT图像等处理,得到更清晰、更适用于医学的图像。
基于人眼视觉特性的医学图像增强方法结合人眼的视觉特性在增强医学图像的边缘基础上降低图像噪声的影响,同时增强了图像的对比度,符合医学图像的特点,更适用于医务工作者用来观察医学图像,发现病灶区,并作出正确的诊断。
1.3医学图像增强的特点
与其它一般图像相比,医学图像有其自身的特点:
医学图像对病灶部分的边缘有很高的要求。
医生在观察一幅医学图像时,观察的是图像的病灶区,比如血管病症的判断,大脑与脑膜之间病症的判断等等,都需要我们得到边缘清晰的图像。
但是往往通过医学成像器械得到的图像无法达到义务工作者的要求,从而导致无法给病灶区做出准确判断。
这就需要我们在对医学图像处理的时候,将图像边缘的增强作为重点。
医学图像清晰度要求较高。
比如一些脑部的CT图片和内脏等重要器官的图像可能存在模糊、不清晰等问题,从而影响医务工作者的判断,对患者的病情造成延误乃者是误诊。
医学图像对降低噪声要求较高。
由于在不同条件(包括地点不同,温度、湿度条件不同及不同的影像器械操作人员)下可能引入的噪声以及医疗成像器械固有的机械噪声、热噪声等等,这些噪声很难消除。
这就要求我们在对医学图像进行处理的时候考虑到噪声的影响并且将这些噪声的影响降到最低。
常见的噪声有:
X光图像的椒盐噪声、CT图像的高斯噪声等等。
基于人眼视觉特性的医学图像增强算法在增强CT图像的边缘基础上降低图像噪声的影响,同时增强了图像的对比度,符合医学图像的特点,更适用于医务工作者用来观察医学图像,发现病灶区,并作出正确的诊断。
1.4增强算法的创新点
1)利用人眼的对比灵敏度特性函数构造一个灰度映射函数,构造的灰度映射函数经过分析不仅符合人眼的视觉特性而且能够实现低灰度区域的对比度增强;
2)利用人眼的边缘敏感特性,将拉普拉斯算子引入到医学图像的分解滤波过程中,由于拉普拉斯算子能够检测边缘信息,在分解滤波时能够对医学图像的边缘显著增强
1.5基于人眼视觉特性的医学图像增强技术主要内容
医学图像增强既希望去除或减弱噪声同时又希望能够增强医学图像的边缘和对比度。
它是一个矛盾的过程。
但是,医学图像的噪声大多分布在图像的边缘部分,去除噪声的同时会使边缘模糊,而增强边缘又可能增强了噪声。
因此,传统的医学图像增强方法通常需要将增强边缘与降低噪声折中,从而找到一个合适的代价函数来实现图像增强。
传统的医学图像增强算法(如:
灰度映射、直方图变换、图像的平滑和锐化等)是医学图像增强技术的基础,它们对于改善图像的质量发挥着至关重要的作用。
另外,在医学图像增强中加入人眼视觉系统特性能够在直观上加强其医学图像增强的效果。
基于人眼的视觉特性的医学图像增强方法从人眼的视觉特性和医学图像的特点的角度出发,结合人眼边缘敏感性、对比灵敏度特性,提出了一种新的医学图像增强的思路,能够有效地提高医学图像增强的精度,有着显著地效果。
文章共分为六章,具体如下:
第一章:
绪论。
主要介绍图像增强技术的研究背景和研究现状、医学图像的研究现状、医学图像的特点、基于人眼视觉特性的医学图像增强算法的创新点以及本文的主要内容。
第二章:
常用的医学图像增强方法。
主要介绍了几种常用的医学图像增强方法以及它们的特点和不足之处。
第三章:
人眼视觉综述。
主要介绍了人眼的视觉系统概述、人眼的视觉感知概述、人眼的视觉特性总括以及医学图像增强算法中用到的人眼的视觉特性。
第四章:
基于人眼视觉特性的医学图像增强算法。
主要介绍基于人眼的视觉特性的医学图像增强算法的框架、对医学图像的预处理过程、基于人眼的对比灵敏度特性构造灰度映射函数及函数的分析、分解滤波的实现。
第五章:
基于人眼视觉特性的医学图像增强算法的实现。
主要介绍本文的算法流程、算法的实现。
第六章:
总结与展望。
本章小结:
本章主要基于人眼视觉的医学图像增强技术的研究背景、医学图像的研究现状、本文的主要内容以及本文的创新点。
通过本章的介绍,我们大体了解到本文的研究框架与论文的实现过程,引导读者了解本文包含的主要内容,对于进一步阅读本文由重大的指导意义。
第二章常用的医学图像增强方法
在实际生活中,医学图像容易受到硬件的限制或者环境的影响,得到的图像往往会存在模糊和噪声影响,这使医务工作者很难辨认病灶区与正常区域,从而造成漏诊或者误诊。
所以,必须对医学图像进行增强(主要包括去除噪声、增强边缘、增强对比度等),从而改善医学图像的