多尺度自适应对比度变换的医学图像增强方法

摘要

本发明涉及一种对医学图像图像增强处理方法。现存图像增强技术都是以特征尺寸为基础，存在一定的缺陷。本发明方法步骤包括：将医学图像分解成金字塔形状排列的分辨率逐步降低的图像集合；对分解得出的分层系数做调整，包括增强每层图像整体的对比度和增强细节层次图像局部区域的对比度；将调整系数后的各个细节层次图像再合成原图像增强后的图像。本发明提出的多尺度对比度增强方法是一种非常有效的医学图像增强方法，任意大小的低对比度区域可见度都可以得到较大的提高，且不会产生谷粒效应。本发明方法可以较好的满足人眼视觉主观要求，增强效果优于传统单一尺度方法，且运算时间短。

主权项

1.多尺度自适应对比度变换的医学图像增强方法，其特征在于该方法主要包括以下步骤：(1)利用拉普拉斯金字塔分解变换，将医学图像分解成金字塔形状排列的分辨率逐步降低的图像集合，即不同的细节层次图像来分别代表不同尺度的细节，一系列的细节层次图像系数值表达了各自尺度上的细节；(2)对分解得出的分层系数做调整，包括a.采用对比度变换方法增强每层图像整体的对比度，对比度变换通过非线性曲线做映射处理，非线性曲线的函数表示为$y\left(x\right)=a\frac{x}{\left|x\right|}{\left|x\right|}^p,$其中x代表细节层次图像上的系数，即分解图像得到各层边缘图像的系数，y为对应的变换后细节层次图像的系数，因子a用来调整结果图输出的动态范围和原始图像一致，系数p控制曲线的弯曲程度，p<1；b.采用边缘系数调整和动态范围压缩的方法增强细节层次图像局部区域的对比度，具体是在细节层次图像边缘微弱时，细节层次图像系数乘以放大因子aek调整小尺度的系数，当细节层次图像灰度跨越全图像的灰度范围时，分层图像系数乘以压缩因子alk；放大因子aek，计算方法：$\left\{\begin{array}{cc}{\mathrm{ae}}_k=f_e^{(1-k/n_e)},& 0\le k\le n_e\\ {\mathrm{ae}}_k=1,& k\ge n_e\end{array}\right.,$其中，参数fe控制调整参数的幅度值，fe>1，ne为需要边缘系数调整的细节层次图像层数；压缩因子alk计算方法：$\left\{\begin{array}{c}{\mathrm{al}}_k=1,k<L-n_l\\ {\mathrm{al}}_k=f_l^{(L-k-n_l-1)},L-n_l\le k<L\end{array}\right.,$其中，L为图像分解的总层数，nl为需要灰度动态范围压缩的层数，参数fl控制动态范围压缩的幅度，fl≥1；(3)利用拉普拉斯金字塔分解逆变换，将调整系数后的各个细节层次图像再合成原图像增强后的图像。