一种新的彩色医学图像增强算法

本研究提出了一种新的彩色医学图像增强方法。该方法首先在CY空间中对图像的饱和度进行直方图均衡，再对亮度进行直方图修正，充分考虑了彩色图像中的亮度与饱和度之间的联系及亮度限制了饱和度的范围，从而消除了不可实现颜色。应用该算法对彩色医学眼科图像进行增强处理，实验结果表明本算法具有良好的效果。     

基于一种新型模糊增强算法的眼底图像增强

眼底图像是细节较多的复杂图像,Ｐａｌ等人的提出的模糊增强算法对增强这类图像有着较好的效果。但这种算法存在着处理速度较性和容易损失信息的缺陷。针对这一情况,本文提出了一种改进后的模糊增强算法。实验证明,改进后的模糊增强算法对眼底图像的增强有着更好的效果。     

基于Gammatone滤波器组分解的数字助听器频响补偿算法

目的针对现有数字助听器中的多通道频响补偿算法容易破坏语音信号的共振峰结构,致使频响补偿后语音信号的可懂度、清晰度和舒适度降低等问题,提出一种基于人耳听觉特性的多通道频响补偿算法。方法首先采用一种可以模拟人工耳蜗模型的Gammatone滤波器组,然后通过滤波处理把输入信号分为32个频带,并依据耳聋者的听力曲线对每个频带进行频响补偿。最后采用语音信号每个通道的声压级,以及从共振峰结构和主观测试对比该算法与基于Bark域的非均匀滤波器组分割频率的算法的优越性。结果通过该算法处理后的语音信号可以很好地满足不同听力损失者的听力要求。相对于比较算法,该算法语音信号的共振峰结构完整性更好,在不同的声压级下,该算法的语句可懂度提高10%以上。结论基于Gammatone滤波器组分解的数字助听器频响补偿算法优于对比算法,并且提高了听力损失者的语句可懂度和舒适度。     

一种改进CLAHE算法在医学试纸条图像增强中的应用

在图像对比度增强算法中,结合自适应直方图均衡化和对比度受限两项技术的对比度受限自适应直方图均衡化算法(CLAHE)是一种常用的低对比度图像增强算法。为了解决快速诊断试剂中的过敏原检测试纸条图像对比度低的问题,尝试给出一种改进的CLAHE图像增强新算法。新算法在传统的CLAHE算法的基础上,通过引入一个自适应参数T来自动调整图像每个子块的像素点重新分配的范围,从而达到增强图像细节的目的。通过对过敏原检测试纸条图像增强的实验对比分析,表明改进后的CLAHE算法可有效地改善该类医学试纸条图像的增强视觉效果,为后续医学试纸条的分割和识别奠定基础。与此同时,以图像均方根对比度为定量统计依据,与传统CLAHE算法的结果比较得出:改进的CLAHE算法明显提高图像均方根对比度,传统的CLAHE算法平均提高原图像均方根对比度1～2倍,而改进的CLAHE算法平均提高3～4倍,进一步验证新算法是一种对过敏原检测试纸条图像增强更为有效的方法。     

基于滤波器组的ECG无损数据压缩技术

本文提出了一种基于整-整映射滤波组的数据无损压缩算法和优化编码方案。以MIT-BIH心律失常数据库为基础,通过多级整-整变换把心电信号（ECG）分解成在不同频带上的频率成分,然后对分解后的变换数据作统计分析,按空间优化和速度优化并重的原则,提出了一种适合ECG无损压缩的优化编码方法。用MIT-BIH（采样率为360Hz)数据库测试表明该算法的平均数据无损压缩率为2.52,平均解码次数为1.375,其中72%的数据仅需一次解码。这种数据无损压缩算法可用于开发更高性能的Holter系统。     

基于神经动力学的医学图像增强技术

目的探讨基于视觉神经元模型的图像增强算法在医学图像处理中的效果和自动实现的方便性。方法用基于视觉神经元ON—OFF模型的图像增强算法处理医学图像，实现对医学图像的自动增强；探讨增强算法的处理机制；分析衰减常数、增益系数和空间常数对图像增强处理的影响。结果选1例左额胶质瘤患者的T1W序列MR图像，1例右眶周及右额顶血管瘤患者的CTA图像。经图像增强处理，MR图像颅脑内部的结构更加清晰可见，图像层次丰富，组织边界分明，内容纹理层次丰富，易于观察。CTA图像处理后，血管瘤病变部位组织轮廓变得完整清晰，图像层次变得更加丰富。同时，整体对比度下降，图像视觉柔和。结论通过对大量医学图像的处理计算，证明选择适当的衰减常数、增益系数和空间常数，可以得到比较显著的图像增强效果。     

基于小波分析的医学图像增强研究

目的：探讨小波分析在医学图像增强方面的应用价值。方法：采用MATLAB6．5对512×512的CT图像进行实验,依据医学图像特点改进了图像子带小波增强算法。并将结果与常规的图像增强算法进行对比。结果及结论：实验证明：改进的图像子带小波算法可以增强图像的细节特征,并且适合人的视觉特性,提升了医学图像的清晰度,可有效避免平坦区域噪声过度增强的问题。通过实验证明文中采用方法有一定的实践价值和意义。     

基于同态滤波与直方图均衡化的超声图像增强

背景：同态滤波与直方图均衡化都能单独对图像进行增强处理,但各自还有许多不足之处。 目的：观察将同态滤波与直方图均衡化结合使用对增强图像的效果,减少单独使用这两种方法产生的缺点。 方法：在频域内,首先对超声图像分别进行高通同态滤波和低通同态滤波的分频处理;再将得到的两幅滤波图像线性组合;最后再对该组合图像进行全局的直方图均衡化得到最终的增强超声图像。 结果与结论：实验结果表明,超声图像经过上述方法的处理,边界十分突出明显,且整体视觉效果更明亮清晰。通过分析对比得到的均方根误差和信噪比数据,也证实了实验所用的超声图像增强法是十分切实有效的。     

基于小波变换的医学图像增强方法的比较分析

介绍了3种基于小波变换的医学图像增强方法和其原理,分别应用这3种增强方法对一幅磁共振医学图像进行了增强处理,对实验结果数据进行对比分析,说明它们在医学图像增强效果上的差异。     

一种基于样本抽样性质的图像配准方法

基于互信息的医学图像配准是当前常用的方法,但互信息的计算量大,对此可采用欠采样技术来减少计算量,但欠采样会降低配准的精度。本文中,我们基于样本抽样均值分布定理,提出了利用多次采样的改进方法,它兼具较高的精度和较快的配准速度。文中的数值计算结果证明了这一点。     

基于自适应邻域的超声图像加权中值滤波

提出了一种自适应邻域中值滤波算法，用于医学超声内窥镜图像的噪声滤除。该方法以图像象素邻域的灰度方差为阈值，进行保持与修复窗口的自适应改变，在有效抑制Speckle噪声的同时，较好保留了图像的细节信息。对本算法与Loupas提出的加权中值滤波算法进行了比较，指出本算法在一定程度上克服了加权中值滤波器的不足并保留了它的优点，对超声内窥镜图像的滤噪有较好的效果。     

基于模糊最大熵的医学X增强方射线图像边缘法研究

目的：由于医学X射线图像在数字化成像过程中容易受到成像设备中射线散射、电器噪声以及人体组织结构的复杂性等因素的影响,导致数字医学x射线图像的质量不高。因此,针对数字医学X射线图像对比度较差,目标细节信息不明显的特点,研究了一种基于模糊最大熵的图像边缘增强算法。方法：首先将医学X射线图像从灰阶域变换到模糊域。然后通过最大熵准则确定模糊阈值将医学X射线图像分为目标和背景两部分．并分别对其进行图像增强处理．最后再映射回到灰阶域。结果：本文以主动脉造影X射线图像为例,对其分别进行经典模糊边缘增强、反锐化边缘增强和模糊最大熵边缘增强处理,并对处理后图像的相关参数进行定量分析。结论：结果表明基于模糊最大熵算法处理后的图像质量高．边缘细节信息明显增强,且该算法相比其它两种算法具有更好的抗噪性。     

基于多尺度形态学的医学图像局部对比度增强

本文提出了一种高效的、高精度的适合于医学图像增强方法.本研究表明,使用暗特征增强图像会使图像丢失一些细节,加强小尺寸特征会放大噪声,所以仅使用白tophat变换,从递归开运算后图像中提取特征.为解决非对偶运算引起的图像亮度偏差问题,作者提出了条件归一方法.新算法主要特点是形态运算采用非对偶运算,对比度拉伸运算采用加法代替乘法运算.用本算法对MR图像进行了测试,并与已有基于多尺度形态学方法进行比较.实验结果表明,这种算法可以更有效地增强图像的局部对比度,对噪声不敏感,处理后图像精度更高.与以前形态学方法相比,本文方法仅需使用其四分之一特征层就可实现局部对比度增强,从而大大减少了运算量.     

一种基于模糊规则和小波变换的医学图像锐化增强算法

针对医学图像组织间不明显现象，提出了一种基于模糊规则和小波变换的医学图像锐化增强算法（MFRWTE）。为了避免过增强现象和放大噪声，对不同尺度的小波系数进行锐化增强时，首先计算该尺度低频系数中心像素与其邻域像素的相容性，利用模糊规则将像素分为低细节，中细节和高细节三类，然后利用自适应算法计算非线性细节增益系数。最后通过把增益系数与细节小波系数相乘，小波重建后得到增强图像。实验结果表明，提出的算法对图像细节进行增强的同时能够有效地抑制噪声。用户也可以根据图像的特征，方便的通过调节中细节区域增强因子或小波分解层数获得满意的增强效果。     

利用金字塔方法增强DR图像

目的:数字化X线图像(DR)空间分辩率高、动态范围宽,对其进行影像增强处理能提取丰富的临床诊断信息,对疾病诊断,特别是早期病灶的发现提供良好的诊断依据。为此,本文提出了一种基于多尺度方法的DR图像增强算法。方法:构建高斯金字塔和拉普拉斯金字塔,利用特定函数调整拉普拉斯金字塔的系数,根据两个金字塔构成的图像序列,通过反复扩展图像并将结果加起来而重建原始图像,增强图像细节。结论:本文通过多尺度图象增强算法,扩展了DR图像的有用信息,突出了图像细节,为临床诊断提供了实用的增强显示效果。     

超声医学图像滤波和对比度增强新方法

较低的对比度和独有的speckle噪声是影响超声医学图像质量的主要原因,本研究利用各向异性扩散滤波,在去除图像中大量噪声的同时,计算滤波过程中图像信息的丢失,从而得到对比度增强模型中的对比度函数,并利用对比度增强模型达到图像对比度增强的目的。实验结果表明,与滤波后的直方图均衡化后结果相比,不仅能够有效地去除图像中的噪声,也能明显提高图像对比度。因此,本文方法是提高超声医学图像质量的一种有效途径。     

基于非线性反锐化掩膜的DR图像边缘增强

目的:对数字化X线摄影图像(DR)进行边缘增强处理能为临床医生提供更丰富的诊断信息,对帮助临床医生诊断疾病,特别是发现早期病灶具有重要的意义。为此,本文提出了一种基于非线性反锐化掩膜的DR图像边缘增强算法。方法:首先,应用S型曲线调整图像的对比度和亮度,扩展图像的有用信息,提高图像对比度,以突出感兴趣区域;然后,使用非线形反锐化掩模进行边缘增强,根据图像的灰度特性来调节具有增强作用的加权因数,可非线性地增强影像的边缘细节。结论:本文利用非线形反锐化掩模对DR图像进行了边缘增强,突出了图像的边缘细节,为临床诊断提供了实用的边缘增强效果。     

基于PACS的医学图像压缩

从PACS和DICOM的定义出发,对基于PACS的医学图像压缩的要求和算法等方面作了阐述,还介绍了JPEG2000在医学图像压缩中的优势.