论文研究-改进的多尺度Retinex医学X射线图像增强算法.pdf

所需积分/C币:50 2019-09-11 11:39:08 535KB .PDF
32
收藏 收藏
举报

医学X射线图像通常存在亮度低,对比度差,造成难以识别的问题。为了增强此类图像,在Land提出的单尺度Retinex理论之上,论述基于此原理的多尺度Retinex(MSR)图像增强方法。利用均值模板代替高斯卷积模板对图像进行滤波,并且改进了将图像映射到设备显示器上的canonical gain/offset修正方法。实验将改进的修正方法用于多尺度的Retinex之上并与直方图均衡化和伽马校正方法进行对比。实验结果表明图像亮度的增强和对比度提高优于上述其他两种方法,新提出的方法较原有方法有效地提高了图像的信息熵,满足医学图像的诊断需求。
陈琛,张建州:改进的多尺度 Retinex医学X射线图像增强算法 2015,51(9 193 算量偏大,尤其是对于分辨率较大的图像,每个尺度都 Jobson等人提出使用常数线性变换对输出图像进 选择铰小的髙斯卷积模板进行滤波使图像不能达到良行修正,虽然这样会有部分最高和最低的像素信息仍然 好的整体效果,而尺度选择太大就存在模板计算花费时超岀显示器的显示范围,但是根据 Retinex的输出信号 间较多的问题,这便在很大程度上限制了算法的运算效形式来看,这部分信息在整幅图像当中所占的比例不 率,在需要实时性的应用当中存在一定的弊端。 大,只有少部分的信息丢失。基于这点,他们使用称为 为了在计算过程当中减少计算量,可以利用高斯模 canonical gain/offset的方法对图像进行修正,其公式 板的均值特性,对于尺度较大的高斯模板,在σ确定的描述如下 情况下,高斯模板中的数值非常接近,利用此特性可以将 Rout(x, y)=aRM,y)+B 高斯卷积模板中的数值用相同的均值代替。文献[13中其中R1(x,y)表示使用 canonical gain/offset方法修正 指出,“σ=30,卷积模板大小取值3x33,近似均值可后的输出图像;α表示增强系数,系数主要影响图像对 以取为94×10-;当σ=90·卷积模板大小取值65×65比度的变化;而B表示偏移系数,控制图像的整体亮 时,近似均值为2367×10;另外对于σ=200,模板大度。术语“ canonical”意味着a和B的确定实际上是独 小为129×129,可用近似均值0.6094×10-代替 立于图像的统计特性的。 图1为高斯模板与对应尺度均值滤波后的效果图 Canonical gain/offsct修正方法是通过人工确定参 (b),(d)为高斯模板滤波后的效果,a分别为200和90,数,不同图像可以选取不同的参数。但根据实验表明, 而(c),(e)则是对应的均值滤波图。从图1可以看到在对大多数图像而言,使用固定的系数都能达到不错的效 相同尺度下,高斯模板和所选择均值模板滤波的效果图果,不同的图像可以选择相同或相近的系数。 接近。 出于 canonical gain/offset方法有两个参数需要人 工确定,在有较高工作量的应川场合会花费较多时间 因此本文改进了 canonical gain/ offset的算法,在进行灰 度级修正之前,对MSR变换后图像的每一个像素值进 行一个以e为底的指数运算之后,再进行灰度级映射修 a)原始图像 (b)高斯模板(c)均值模板滤 正,具体公式如下 滤波图(a-200)波图(129×129) Ro(x, y)=he 其中R。(x,y)表示使用改进后方法输出的图像,为增 强系数,能有效地控制图像亮度和对比度的增强。 根据实验表明图像的像素进行了以e为底的指数 运算之后再进行修正,一个参数就能够很好地控制图像 (d)高斯模板e)均值模板滤 的对比度和亮度,这就在原米修正方法的基础上减少了 滤波图(a-90)波图(65×65 个人工参数的选择,使得更能够适应于工程应用的 图1高斯模板与对应尺度均值滤波图 要求。 22图像显示修正及改进 般来说,使用多尺度 Retinex方法处理后的图像3多尺度 Retinex算法实现及实验 像素值会出现负值,并且会超出显示器显示范围,不能3.1多尺度 Retinex算法描述 够直接在显示器上显示的情况,必须要进行适当的修正 根据多尺度 Retinex理论,对医学图像处理过程可 以将像素压缩到显示器可以显示的范围内 以大致分为以下步骤 Moore ct al提出了 automatic gain/ offsct的方法 (1)图像镜头区域外围像素归零处理。射线图像 通过计算输出图像的最大值和最小值,然后将整个图像镜头周围黑色部分没有有用的图像信息,但亮度会随着 的像素都映射到显示器能够显灬的范围上,其公式描述靠近图像区域而逐渐增大,在进行卷积操作时这部分像 如下: 素会参与卷积计算,结果会影响镜头中的图像区域。为 R y)=255 RM(, y)-min(R (8)了减小这部分像素对图像处理的影响,在处理前可先对 max(RM-min(Rm) 镜头外围黑色区域的像素进行归零处理,即这部分区域 其中Rn(x,y)表示使用 e方法修正 的像素全部设置为零 后的输出的图像,min(R3)表示R屮最小的像素值, (2)生成对应的卷积模板。由于图像需要在不同尺 max(R)表示R31中最大的像素值。 度下进行滤波操作,因此根据处理图像的大小生成各尺 194 015,51(9) Computer Engineering and Applications计算机工程与应用 度的高斯卷积模板或者均值模板。本文实验选择大、 中、小高斯卷积模板的尺度分别为129×129,65×65和 33×33,对应的a为200,90和30。 对图像进行卷积操作。使用生成的卷积模板分别 对图像进行卷积操作。如果图像存在比较严重的噪声 (a)原始图像 (b)伽马校正 影响,可先对图像进行滤波降噪处理。这样可以提高处 图像(y=0.35) 理后图像的信噪比 (3)利川公式(7)对卷积处理后的图像进行加权计 算,得到多尺度 Retinex的处理结果。权值的选择可以 为模板数的均值,也可以根据实际处理图像的侧重点不 同而选择不同的权值。 (c)直方图均衡(d)小波变换 (4)灰度级映射。由前面得到的结果一般不能够直 化图像 图像 接显示,显示出的部分会出现亮度很低,难以分辨的情 图2骨骼原始图像、伽马校正、直方图 况,因此要进行灰度级映射,将其像素灰度级映射到显 均衡化和小波变换效果图 示器可显示范国内,这样处理的图像才能够在显示屏上是 canonical gain/offset法(a=150,B=150),(d)使用的 正确显示。实验使用本文提出的方法,公式(10)的的是本文改进的灰度级映射方法(x=150),视觉上(e)、(a) 参数选择为150。 图像的对比度效果要比(b)的好,图像整体的纹理要更 通过面的步骤完成MSR的图像处理和修正过清晰。处理后的图像在修正之后会产生噪声放大的问 程,就能够完成实验,增强医学Ⅹ射线图像 题,同时高对比度边缘也会产生晕环吗,如图3a)原始 32实验结果及分析 图像的圆形镜头区域和周围黑色部分的高对比度在经 实验对医学x射线图像进行增强处理分别使用了过多尺度 Retinex处理和修正之后产生了晕环。 直方图均衡化,伽马校正,小波变换处理以及本文提到 的多尺度 Retinex,并且分别使用 automatic gain/omft、 canonical gain/ offset方法以及本文提出的改进方法对 MSR处理后的图像进行修正,比较几种方法对图像增 强的效果。实验医学头颅图像大小741×741,骨骼图像 大小为1004×1004,选用三个环境函数的σ取值为200 (aMSR处理 (automatic 未经修正图像 修正 90,30。 图2(a)为原始医学图像,图像的亮度明显偏低,对 比度很差.无法清楚直观地从图像当中分辨出骨骼等组 织结构;图2(b)为通过伽马校正后的图像(y=0.35),可 以看出,经过校正的图像亮度有了较大的改善,同时对 比度也得到了一定的提高,但图像整体上还是比较模 (c) canonical修正(d)本文改进 糊,骨骼信总不够突显。图2(c)为直方图均衡化后的图 0)方法(-150) 像,可以看出亮度和对比度虽然大大增强,但原图像当 图3多尺度 Retinex处理后图像及 两种方法修正后的效果图 中相对亮度较高区域増强太过明显。图2(d)为小波变 换后的效果图.可以看出,图像亮度增强,尤其是对比度 从图4可以看出,与图2一样,伽马变化、直方图均 得到较显著提高,骨骼部分较为清晰显示。 衡化、小波变换算法较之原始图像对比度都有提高,但 图3为使用多尺度 Retinex方法对图像进行的增强是都存在过度增强,甚至出现伪影的情况,(e)图和(f) 处理,(a)为该方法处理后未经修正的显示效果。很明分别是选用高斯模板和均值模板处理后并用本文提出 显,未修正的图像显示效果是很差的,因为很多像素是的算法修正后的效果,可以看出两者之问的效果很接 超出了显示器的显示范围而无法正常显示的。而(b)~近,并且都有很好的对比度增强效果 (d)则是经过修正后的显示效果。可以看出,修正后的 从实验结果比较可以看出,在较大尺度下均值模板 图像亮度得到了改善,并且对比度也得到明显加强。骨代替高斯模板处理方法是可行的,不但在单个尺度下的滤 骼部分能够比较清晰地显示出来,容易辨认。图3(b)使波效果很接近,且处理后图像的最终效果视觉上差别不 用的是 automatic gain/offset方法进行修正,c)使用的大。说明使用均值模板代替高斯模板的方法是可行的。 陈琛,张建州:改进的多尺度 Retinex医学X射线图像增强算法 2015,51(9 195 感 简单,因此使用均值模板处理更快。通过信息熵和处理 时间这两个定量的指标来看,本文的算法更适合用于要 求实时性处理的工程应用中。 (a)原始图像 (b)伽马校正(c)直方图均衡 4总结 图像(y=0.35 化图像 通过理论上对多尺度 Retinex算法的分析以及实验 结果的对比,能够较好地说明多尺度 Retinex算法能够 对亮度较差,对比度不高的图像进行增强,并且能够达 到比铰理想的效果。增强后的图像的对比度有显著提 高,暗区的细节信息也得到加强,这对医生进行诊断提 (d)小波变化 (c)高斯模板 (f)均值模板 供了很好的依据。多尺度的 Retinex算法适合用于医学 图像 处理效果图 处理效果图 图像的增强,具有一定的应用价值。并且均值模板代替 图4头颅图像各种增强算法对比效果图 高斯模板的可行性也为提高图像算法的效率提供了基 Automatic gain/ offset方法是自动确定参数对图像础,改进后的算法在实际应用当中有一定的优势 进行增强,但是由于要寻找多尺度 Retinex变换后图像像 在侏证处理效果的基础上,注重改进算法的效率, 素的最大值和最小值,由于噪声存在的影响,其偶然性提高算法的实时性,以使满足于实时性较强的图像处理 会使得找到的最大或最小值出现较大的偏差,最终整体或者视频等场合的需求。文献[16提到,以CUDA为基 修正的图像也会出现较大偏差,对于本身图像噪声过大础的MSR并行处理算法使得处理图像(特别是大尺寸 的问题,可以考虑先进行适当的降噪处理。而 canonical图像)速度上明显提高 gain/offset方法虽然人T确定参数,每一个像素点的修 此外,在对图像进行卷积之前适当地使用滤波去噪 正是相对独立的,因此即使存在噪声也不会对整体修正操作,能够有效地抑制图像的噪声,避免在处理过程当 产生太大影响,所以整体效果比 automatic gain/offset方中噪声放大的问题,能提高图像的信噪比。 法好。 多尺度 Retinex算法不仅仅在医学图像增强方面有 而本文提出的改进是在 canonical gain/offsct方法很好的应川,对于其他较暗,对比度不高,如红外图像, 基础之上的,因此它其有该方法的优点,不会因为噪声雾天拍摄到的图像都有不错的增强效果,箅法的理论价 的影响对图像的修正产生较大的偏差,同时,约过改进值很高,应用范围很广泛。在注重实时性提高之后,能 的算法减少了一个人工参数的选择也能够达到正确显够满足更多工程的实际应用需要 示的效果,使得该方法更加适合于实际工程应用的要 求。表1、表2分别通过定量的指标:图像信息熵以及算参考文献 法处理时间来对比各种算法处理后的结果 []余岱,鲍旭东基于人眼视觉特性的多尺度DR图像增强方 表1原始图像与增强图像的信息熵比较 法[生物医学工程研究,2010,29(1):5-8 原始伽马直方图小波本文 [2]王彦臣,李树杰,黄廉卿基于多尽度 Retinex的数字图像X 图像 图像变换均衡化变换方法 光图像增强方法研究[光学精密工程,2006,14(1):70-76. 骨骼图像4744724.235.625.43 [3]林创鲁,程韬波、周松斌,等数字化X线医学图像增强处 头颅图像6.685.416.45698672 理器研究[门现代制造工程,2011(4):84-87. 表2小波变换与高斯模板均值模板处理时间比较s [4]工文,夏耘基于小波变换的医学图像去噪[J仪器仪表学 图像及大小 小波变換高斯模板均值模板 报.2008,29(4):178-182 骨骼图像(1004×1004 5]张甲杰,陈树越,刘瑞剑,等基于多尺度 Retinex的医学 头顾图像(741×741) 0.9334 0.9021 0.7357 图像增强方法研究门].中国医学影像技术,2007,23(11): 1724-1726 从表1可以看出,小波变换和本文 Retinex方法处理6]王科俊,熊新炎任桢,等基于窗口无关均值滤波的MSR图 后的图像信息熵得到了提高,并且小波变换较之本文方 像增强[叮哈尔滨工业大学学报,2010,42(9):1467-1471 法信息熵提高得更多,但是通过表2的处理时间比较上[7] Land E.An alternative technique for the computation of 看,虽然小波变换处理后的图像有更好的信息熵,但是 the designator in the Retinex theory of color vision[J] 花费时间较之本文方法要多,并且图像越大,其处理时 Proc nat acad sci,1986,83(10):3078-3080 间相应的增加越多。而由于均值模板生成较高斯模板 (下转226页)

...展开详情
试读 5P 论文研究-改进的多尺度Retinex医学X射线图像增强算法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-改进的多尺度Retinex医学X射线图像增强算法.pdf 50积分/C币 立即下载
1/5
论文研究-改进的多尺度Retinex医学X射线图像增强算法.pdf第1页

试读结束, 可继续读1页

50积分/C币 立即下载 >