随着计算机科学技术的不断发展,成像技术越来越成熟,随之而来的是成像设备的飞速发展,越来越多的成像设备呈现在人们面前,特别是医学成像设备得到了越来越广泛的应用。同时,使得医生利用其生成的图像进行医学疾病的诊断变得更为便利。虽然医生可以直接利用医学图像对疾病进行诊断,但是由于在成像过程中会受到各种因素的影响,最终的成像可能会不便于医生的观察诊断。为了能够更好地呈现图像信息,提供给医生更清晰、更高质量的图像,对医学图像进行增强处理就成了必不可少的一步。为了对医学图像进行有效的增强,本文围绕分数阶微分增强方法展开分析和研究,针对现有方法中存在的问题,结合LBPV(Local Binary Pattern Variance,局部二进制模式方差)理论对其进行了改进,提出了一种基于LBPV的分数阶微分医学图像增强算法。本文主要工作如下:(1)本文课题是对图像增强算法进行的研究,因此首先介绍了几种常用图像增强算法的基本原理和各自的优缺点。然后对分数阶微分和局部二进制算法进行了分析说明,并且指明了分数阶微分算法存在的问题。(2)提出一种基于局部二进制模式方差(LBPV)的分数阶微分算法。本文运用LBPV理论对图像进行特征提取,找出图像的主方向,然后根据图像主方向构建更加有效的分数阶掩模算子,从而提出一种改进的分数阶微分算法。并对分数阶微分算子的参数选择进行了实验分析。最后为了验证改进后算法对图像增强的有效性,将本文提出的基于LBPV的分数阶微分算法应用到Outex数据集上,跟三种现有的分数阶微分算法进行实验对比,证明了本文提出图像增强算法对纹理图像具有更好的效果。(3)根据医学骨折图像具有方向性的特点,对医学骨折图像中的骨折区域进行了分析研究。然后利用本文提出的基于LBPV的分数阶微分算法对医学骨折图像进行增强处理。实验表明,处理后的图像使得骨折区域更明显,更便于医生肉眼观察。最后将该算法跟三种现有的算法进行了对比分析,实验表明使用该算法对医学图像进行增强处理,在增强图像的纹理和细节信息上有良好的效果,对图像的增强效果更好。