论文部分内容阅读
医学影像已成为现代医学诊断和治疗的重要辅助手段。其中,CT影像因其分辨率高、对人体损伤小等特点,在临床中广泛应用。然而在CT成像过程中,由于人体结构和组织的复杂性以及成像系统的局限性,会导致影像解剖结构细节模糊、对比度差,最终影响临床诊断结果。为了便于医生对解剖结构细节和病变区进行更有效地观察和分析,对CT影像进行增强预处理具有重要的临床应用价值。论文在分析、总结国内外现有医学影像增强方法的基础上,对基于直方图分析的影像增强技术和基于Retinex理论的影像增强技术进行了深入的研究,针对特定的肺部CT影像增强过程中所遇到的具体问题,提出了相应的改进算法。本文主要工作如下:1)针对肺部CT影像动态范围宽、细节丰富且感兴趣区域的面积相对较小、与其周围区域对比度低等特点,在分析现有直方图修正相关增强算法局限性的基础上,本文提出了一种基于局部特征分析的CT影像对比度增强算法。算法通过对影像灰度统计特性的分析,构造了非线性变换函数对影像局部动态范围进行拉伸,实现了一种新的灰度级自适应映射,有效实现了解剖细节结构的增强。在Matlab平台下对算法进行了实验分析,结果表明该算法克服了直方图均衡化全局方法的过增强和“简并”现象,以及自适应方法的计算负担大、对噪声抑制困难等缺陷,在改善CT影像整体视觉效果的同时有效地增强了解剖结构细节。算法已应用于一个肺癌CAD系统的预处理过程。2)针对肺部CT影像的成像特点及现有的中心/环绕Retinex理论在影像增强应用中的局限性,本文提出了一种基于单尺度Retinex理论的CT影像增强算法。算法通过非线性增强操作在反射图像中加入亮度补偿,简化了对亮度图像的处理,并通过Gamma校正得到增强后的CT影像。在Matlab平台下对算法进行了实验分析,结果表明该算法降低了单尺度Retinex增强算法的计算复杂度并有效抑制了“光晕”现象,可同时实现影像的动态范围压缩、锐化和颜色恒常性,能够满足临床医学诊断的应用及相关计算辅助诊断系统的预处理需求。