随着医学影像技术应用到医疗诊断过程中,医疗诊断的准确性和及时性大大提高了,医学图像在临床诊断中发挥着越来越重要的作用,有着不可替代的地位,因此也造就了一个独特的图像处理领域——医学图像处理。它是数字图像处理的一个重要分支,主要是对已获得的各种不同的医学图像进行加工、处理,以便于临床诊断。常用的医学图像主要有X-射线成像(X-CT)、核磁共振成像(MRI)和核医学成像(NMI)等。由于受到成像机制和成像设备以及人体的组织机构等因素影响,实际得到的医学图像常常与期望的医学图像差别很大,主要表现为含有噪声、细节模糊、对比度差(如感兴趣区域和其周围结构的低对比度)等。降质的图像将大大影响医生的临床分析和诊断,这也是影响图像理解从而造成误诊的重要原因,因此研究如何通过后期处理,滤除医学图像中的噪声并增强对比度是很有意义的,也是很有必要的。本文主要讨论了基于偏微分方程的医学图像增强的处理技术。本文首先详细介绍医学图像基于偏微分方程理论的两个研究方向:各向异性扩散模型和全变分去噪模型,分析模型的扩散性质及优缺点,针对无论是各向异性扩散还是全变分模型都只能去噪保边的问题,分别通过耦合冲击滤波器和引入局部多倍梯度保真项,提出两种基于偏微分方程的医学图像增强模型,使其能够在滤除噪声的同时对边缘和细节等高频量区进行有效的增强,在一定程度上克服了原模型中消极保边问题,提高了医学图像的视觉效果。另外,针对实际临床中的医学图像多含有噪声且细节模糊,对比度低,目前多数去噪增强模型都是针对边缘和细节等高频量的增强,对纹理增强效果不够理想。本文提出一种基于偏微分方程的去噪和反差增强同步方法,耦合扩散算子和经典的直方图均衡化方法,将去噪和增强过程统一起来同时作用于图像,改善感兴趣区域边缘和内部以及其周围结构的低对比度,使图像信息丰富,并加入一个特殊调整项,进一步改善图像视觉效果。