研究目的和现状。doc

目的和意义

人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。在实际应用中每个部分都有可能导致图像品质变差，使图像传递的信息无法被正常读取和识别。例如，在采集图像过程中由于光照环境或物体表面反光等原因造成图像整体光照不均，或是图像采集系统在采集过程中由于机械设备的缘故无法避免的加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。

计算机X线摄影(CR: Computed Radiography) 采用可记录并可由激光读出X线影像信息的成像板作为信息载体, 取代传统的X线胶片。通过激光扫描成像板激发出荧光并读取信息形成数字影像。CR的出现使人们对X光影像数字化处理、存储和网络传输成为现实, 而且采用计算机技术可对CR图像实施各种后处理。由于CR降低了X线的剂量, 以及光电转换过程中的能量流失和受A /D转换精度的影响, 将导致CR图像在空间分辨率不足。所以应对图像进行增强, 以提高对比度, 增加图像中的细节信息和层次感。传统的图像增强方法有全局增强方法, 如对比度拉伸和直方图均衡等。这些方法只能使全局的对比度增强, 在全局上增强视觉效果, 但对局部的纹理和细节却不能有效地增强对比度。所以即使采用全局增强法也同样会产生欠分割现象。另一种方法是局部增强方法, 但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或对感兴趣的区域进行正确诊断, 需要对图像进行细节增强处理, 以改善图像质量。

图像增强技术国内发展状况

图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和发展，新的图像增强方法不断出现。例如一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强

算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的对比度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好。 图像增强的方法分为空域法和频域法两种，空域法是对图像中的像素点进行操作，用公式描述如下：

g(x,y)=f(x,y)*h(x,y)

其中是f(x,y)原图像；h(x,y)为空间转换函数；g(x,y)表示进行处理后的图像。

频域法是间接的处理方法，是先在图像的频域中对图像的变换值进行操作，然后变回空域。例如,先对图像进行傅里叶变化到频域，再对图像的频谱进行某种滤波修正，最后将修正后的图像进行傅里叶反变化到空域，以此增强图像。

现在国内外的主要方法有以下几种：

使用钝化模糊影像来增加对选择空间频率的响应, 以增强CR 图像的结构边缘和细节。算法能根据CR 图像的灰度特性来调节增强程度的加权因数K , 从而可非线性地增强CR 影像的边缘细节。实验证明, 经算法处理后的CR 图像细节丰富, 信噪比高, 细节方差与背景方差之比为通用算法的9到6 倍, 增强后的CR 图像具有良好的视觉效果, 是一种增强CR 医学放射图像边缘细节的好方法。

在多尺度分析基础上, 该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理, 而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, 该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。

基于dbN 小波变换的混合作用域医学图像增强算法, 该算法结合Sobel 算子提取的边缘,经过滤波变换, 得到原图像的锐化图像, 再采用能够扩展其灰度范围的幂次变换, 实现图像增强。该算法通过实例验证, 与常用的分段小波增强

算法比较, 自适应性强, 增强后的图像细节丰富, 具有良好的视觉效果。

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。

针对X线医学图像存在的对比度低、暗部细节模糊、视觉效果不佳而难以提高临床诊断准确率等问题, 采用基于人眼视觉理论的多尺度Retinex 算法的X线医学图像增强方法, 设计了基于高性能DM643芯片的X线医学图像增强处理器。实验结果表明, 该处理器能有效压缩图像动态范围、提高对比度和暗部区域的可视度, 初步满足临床诊断应用的

分析了直方图均衡化、规定化和局部对比度增强三种图像增强方法的基础上, 将直方图规定化和局部对比度增强方法相结合, 对X 线医学图像进行增强处理. 实验结果表明该方法的增强效果优于直方图均衡化、规定化处理方法的增强效果, 既提高了图像的整体对比度, 又突出了图像的局部细节.

拟采取的路线

题目的时间安排

1． 第一、二周：查阅国内外相关文献资料，写出与设计有关的

“文献综述”、“外文资料翻译”等；

2． 第三、四周：方案设计、论证，完成开题报告；

3． 第五 ~九周：完成设计并进行编程、处理等有关实验；整理素

材，

写出毕业设计题纲、章节目录；

4． 第十周~十三周：完成文章初稿；

5． 第十四~十五周：审阅并修改毕业设计；

第十六周：准备答辩。

本文来源：https://www.bwwdw.com/article/0d2q.html