基于精确直方图规格化的医学超声图像增强

目的探求一种改进的精确直方图规格化方法,提高医学超声图像的对比度。方法针对医学超声图像的特点,引入一个有效的分割点,将原始图像分割为背景和前景区域,只对前景区域进行增强。结果本文方法将局部灰度拉伸到一个较大的动态范围,提高了对比度,抑制了医学超声图像背景过增强,保留了图像的细节信息。结论本文在增强图像对比度的同时能够有效地保留图像细节,是一种有效的对比度增强方法。     

基于亮度不变的医学超声图像对比度增强方法

目的探求一种基于亮度不变的医学超声图像对比度增强方法。方法在改进常规直方图均衡化算法的基础上,以最小灰度平均值误差二元直方图均衡化为基础,引入另一个有效分割点。结果实现了一种局部直方图均衡化算法亮度保持三元双向直方图均衡化。结论此算法较其他直方图增强方法更好地抑制了医学超声图像黑色背景过增强,保留了原图像细节信息,保持了原图像亮度,提高了图像对比度。     

基于小波变换的医学超声图像去噪及增强方法

目的探求一种基于小波变换的医学超声图像去噪及增强方法。方法提出了一种基于小波分析理论的医学超声图像噪声的综合抑制方法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声;然后进行多尺度小波变换,将图像分解成一系列不同尺度上的小波系数,对变换后不同尺度的高频子图像进行非线性小波软阈值处理,阈值处理后的高频子图像进行增强;最后,经小波逆变换和指数变换恢复去噪后图像。结果原图像中斑纹噪声被有效去除,图像边缘细节得以保留。结论该方法可有效保留细节信号,极大限度地去除斑纹噪声。     

基于维纳滤波与小波相融合的超声医学图像去噪方法

目的 探求一种有效的超声医学图像去噪方法.方法 在分析维纳滤波和基于自适应前处理的多尺度小波非线性阈值斑点噪声抑制方法(MSSNT-A)的基础上,提出一种基于维纳滤波与MSSNT-A相融合的超声医学图像去噪方法.利用该方法首先对加噪图像分别进行维纳滤波和MSSNT-A去噪.然后提取维纳滤波处理后的图像边缘,再将其与MSSNT-A去噪后的图像的_柑应像素点进行融合,得到去噪图像.结果 有效地去除了斑点噪声,图像的细节得到保留.结论 与维纳滤波和MSSNT-A方法相比,该方法在有效去除斑点噪声的同时,很好地保留了图像边缘和图像细节信息.     

基于自适应低通滤波的超声医学图像增强算法

目的 介绍一种超声医学图像增强的有效算法.方法 基于自适应低通滤波器的超声图像增强算法,首先采用对数变换的方法将超声医学图像中存在的乘性噪声变为加性噪声;再通过低通滤波器将对数图像分为高频分量和低频分量,对低频分量采用自适应直方图均衡处理,对高频分量进行加权;然后对低频分量和高频分量进行融合得到增强的对数图像;最后对对数图像进行指数变换得到输出图像.结果 原超声医学图像得到有效增强,边缘细节得以保留.结论 该算法有效地实现了超声医学图像增强,突出了超声图像的细节,改善了视觉效果,并对噪声具有良好的抑制作用.     

基于图像中值的Sigmoid函数自适应X线图像增强

目的：改善医学图像质量,使低对比度的图像得到增强。方法：针对数字X线医学图像的特点,提出一种基于图像中值的非线性变换函数的增强处理方法。结果：在变换函数中引入可调节的参数,实现了对X线图像的自适应增强。结论：本文算法将低对比度图像拉伸到一个较大的亮度动态范围,提高了对比度,增强了图像细节信息,是一种有效的对比度增强方法。     

基于交互式数据语言MRI图像直方图增强方法的比较

目的:比较不同直方图增强方法对改善MRI图像质量的作用效果。方法:基于交互式数据语言编程环境,分别采用直方图均衡化、自适应直方图均衡化和直方图规定化对颈髓MRIT2W图像进行增强处理,利用峰值信号噪声比和图像信息熵评价图像暗区细节的表现性能以及图像噪声水平。结果:直方图均衡化对图像暗区细节的增强效果一般,图像整体对比度反而有所下降;自适应直方图均衡化增强细节的同时放大了图像噪声,并在边缘形成伪影;直方图规定化可选择匹配直方图函数的类型,充分显示图像暗区细节,图像噪声水平低于前两种方法。结论:应用直方图增强方法处理颈髓MRIT2加权图像,在图像暗区细节表现和图像低噪声水平上,直方图规定化明显优于直方图均衡化和自适应直方图均衡化。     

基于交互式数据语言MRI图像直方图增强方法的比较冰

目的：比较不同直方图增强方法对改善MRI图像质量的作用效果。 方法：基于交互式数据语言编程环境，分别采用直方图均衡化、自适应直方图均衡化和直方图规定化对颈髓MRIT2W图像进行增强处理，利用峰值信号噪声比和图像信息熵评价图像暗区细节的表现性能以及图像噪声水平。 结果：直方图均衡化对图像暗区细节的增强效果一般，图像整体对比度反而有所下降；自适应直方图均衡化增强细节的同时放大了图像噪声，并在边缘形成伪影；直方图规定化可选择匹配直方图函数的类型，充分显示图像暗区细节，图像噪声水平低于前两种方法。 结论：应用直方图增强方法处理颈髓MRIT2加权图像，在图像暗区细节表现和图像低噪声水平上，直方图规定化明显优于直方图均衡化和自适应直方图均衡化。     

超声图像预处理方法的改进研究

目的在对超声图像传统预处理方法进行处理后效果对比分析的基础上,提出一些改进措施。方法以超声医学影像为关键点,分析其噪声,提取噪声特征,从空间域处理技术来阐述超声医学影像的预处理方法。结果生物医学图像预处理技术是医学图像系统中最关键的技术之一,直接影响医生的正确诊断,以及后期的医学数据分析。对原始图像经过双精度处理,图像整体亮度会被拉低。变换图像窗口,选择感兴趣的灰度区域进行灰度提升,增强图像的灰度可视信息,对比未做双精度处理前的实验。结论采用新的灰度处理方法后的图像,具有平滑的边缘,清晰的细节,能更好地保留细节信息,具有一定的现实意义和实用价值。     

基于小波变换的数字胸片增强

目的 研究一种基于小波变换的数字胸片图像增强新算法.方法 小波分解后,首先利用小波阈值法进行去噪预处理,然后对高频分量采用非线性增强,对低频分量采用反锐化掩模增强方法,通过小波反变换重构出增强后的图像.结果 通过对传统增强方法和本文提出的小波增强新方法进行实验对比,验证了本文算法对数字胸片图像有较好的增强效果.结论 对于分辨力低、噪声干扰严重、光照不均的数字胸片图像,本文提出的基于小波变换的增强新方法可保留图像细节信息,同时有效去除噪声.     

基于多尺度Retinex的医学图像增强方法研究

目的增强医学图像中的暗区信息和图像对比度,压缩医学图像的动态范围。方法提出并改进了基于多尺度Retinex方法的医学图像增强处理方法,在3种标准偏差下,求得高斯环境函数;然后使用3种不同的误差函数对医学图像进行卷积操作,将3种标准偏差尺度下得到的结果进行加权平均;最后将输出灰度值进行修正,得到可用于显示的结果。结果改进的MSR算法既可实现低对比度的医学图像增强,又能实现图像的动态范围压缩,能够显著提高暗区医学图像的信息。结论改进MSR算法能够显著提高暗区图像的信息量,其增强后的信息熵是原图像的2倍多,该方法克服了常规医学增强方法的不足,能够满足医生临床诊断的要求。     

基于Visual C＋＋和Matlab的磁共振影像增强后处理系统

目的：随着医学影像学的飞速发展，手术导航技术的应用及脑功能等图像分析研究的不断深入，基于医学数字成像和通信标准的医学影像分析与处理也随之成为医学图像处理领域中的热点.为便于科研人员研究相应的磁共振图像局部增强等后处理算法及进行图像分析，提出一种基于Visual C＋＋和Matlab的磁共振影像增强后处理研发平台. 方法：对北京协和医院放射科2005-01／10获取的部分磁共振医学数字成像和通信图像利用灰度扩展进行全局增强，利用基于数学形态学方法进行局部增强算法的研究：在程序实现上使用Matlab引擎实现VC＋＋和Matlab混合编程处理医学数字成像和通信图像. 结果：为磁共振图像进行增强局部对比度算法研究提供了一个研发平台，实现了位图图像与医学数字成像和通信图像的数据转换接口功能。 结论：处理后的图像具有更好的应用价值，为图像局部对比度增强算法的研究提供一个有效的平台：在算法研制阶段采用VC和Matlab混合编程的方法可以提高算法研究效率.     

基于像素融合的Curvelet医学超声图像降噪方法

目的：探求基于Curvelet变换的医学超声图像降噪的有效方法。方法：分别对超声图像进行Curvelet和隐Markov树小波降噪，再采用模糊分区方法对结果图像进行像素融合。结果：实现了基于像素融合的Curvelet医学超声图像降噪。结论：对超声图像的降噪实例表明该方法有效提高了图像的视觉效果，明显抑制了伪影。     

Breast ultrasound image enhancement using fuzzy logic

Breast cancer is still a serious disease in the world. Early detection is very essential for breast cancer prevention and diagnosis. Breast ultrasound (US) imaging has been proven to be a valuable adjunct to mammography in the detection and classification of breast lesions. Because of the fuzzy and noisy nature of the US images and the low contrast between the breast cancer and tissue, it is difficult to provide an accurate and effective diagnosis. This paper presents a novel algorithm based on fuzzy logic that uses both the global and local information and has the ability to enhance the fine details of the US images while avoiding noise amplification and overenhancement. We normalize the images and then fuzzify the normalized images based on the maximum entropy principle. Edge and textural information are extracted to describe the lesion features and the scattering phenomenon of US images and the contrast ratio measuring the degree of enhancement is computed and modified. The defuzzification process is used to obtain the enhanced US images. To demonstrate the performance of the proposed approach, the algorithm was tested on 86 breast US images. Experimental results confirm that the proposed method can effectively enhance the details of the breast lesions without overenhancement or underenhancement.     

基于多尺度形态学的医学图像局部对比度增强

目的:寻找一种更精确有效的医学图像局部对比度增强方法,解决磁共振图像中常出现的局部对比度不足问题。方法:在对已有算法研究的基础上,提出了新算法。新算法的特点是:形态学运算采用了非对偶运算,对比度扩展运算采用加法运算代替乘法运算。为避免灰度偏差,提出了条件归一方法。结果:用实用磁共振图像和模拟实验对新算法进行了测试。新算法在精度、运算速度及对噪声的敏感性方面都优于已有同类算法。结论:利用形态学非对偶运算能够以更精确的方式实现局部对比度增强,灰度级偏差可以通过归一化方法消除。     

Pixel compounding: resolution-enhanced ultrasound imaging for quantitative analysis

Accurate measurement of structural features represented in medical images is important in clinical trials and patient diagnosis. A key factor for precision is spatial resolution, which in ultrasonic imaging is limited by transducer array arrangements, transmitting frequency, and data acquisition firmware. In this paper, a variation of pixel compounding is proposed to enhance ultrasound resolution using acquired cine loops. The technique operates on a sequence of ultrasound B-scan images acquired with random motion. Subpixel registration is estimated and a maximum a posteriori (MAP) approach with the shift information is used to reconstruct a high-resolution single image. A nonhomogeneous anisotropic diffusion algorithm follows from the estimation process and is implemented to enhance the high-resolution edges. Preliminary tests using simulations and phantom studies show promising results. Pixel compounding can be a powerful preprocessing tool to assure accurate segmentation, measurement, and analysis of ultrasound images.     

Fast OCT image enhancement method based on the sigmoid-energy conservation equation

Optical coherence tomography (OCT) is an important medical diagnosis technology, but OCT images are inevitably interfered by speckle noise and other factors, which greatly reduce the quality of the OCT image. In order to improve the quality of the OCT image quickly, a fast OCT image enhancement method is proposed based on the fusion equation. The proposed method consists of three parts: edge detection, noise suppression, and image fusion. In this paper, the improved wave algorithm is used to detect the image edge and its fine features, and the averaging uncorrelated images method is used to suppress speckle noise and improve image contrast. In order to sharpen image edges while suppressing the speckle noise, a sigmoid-energy conservation equation (SE equation) is designed to fuse the edge detection image and the noise suppression image. The proposed method was tested on two publicly available datasets. Results show that the proposed method can effectively improve image contrast and sharpen image edges while suppressing the speckle noise. Compared with other state-of-the-art methods, the proposed method has better image enhancement effect and speed. Under the same or better enhancement effect, the processing speed of the proposed method is 2 ∼ 34 times faster than other methods.     

An adaptive two-scale enhancement method to visualize man-made objects in very high resolution SAR images

Ocean vessels and aircrafts usually cause large oscillated responses and span a high dynamic range (HDR) in synthetic aperture radar (SAR) images. To visualize and further recognize these objects on common display devices, it is necessary to compress the HDR at the proper ratio and enhance the details at both low and high grey levels. To achieve this goal, an adaptive two-scale enhancement method is proposed. First, to enhance the details at low grey levels, an adaptive global HDR compression algorithm is designed based on the grey-level distribution feature. Then, with a simplified heterogeneity measurement based on the weighted standard deviation and entropy at a local scale, high-backscattering objects are determined and enhanced to highlight their peak details at high grey levels. The proposed method is validated using two different types of HDR SAR images, and the experimental results suggest that the proposed method visualizes the information at all grey levels and enhances the object’s local peaks. Compared with gamma mapping algorithms, which are widely used for SAR image display, the proposed method outperforms in visualizing the details of man-made objects in very high resolution SAR images.