医学影像是当今监测人体健康的最常用也是效果最好的技术手段之一,许多疾病可以通过医学影像的方法(如X光、CT、MRI等)诊断出来。然而,医学图像由于各种因素存在模糊、质量不高的问题而严重影响诊断的有效性,相应地,医学图像处理便应运而生,医学图像增强便是当前被普遍研究的热点之一。本文受高维信息几何理论思想的启发,提出了一种创新的模糊图像增强方法——将需要处理的医学图像与高维空间中的点建立起映射,然后用“模糊-清晰-再模糊-再清晰”的思维,通过比较不同图像分别对应的位置,用简单的几何分析即可得到较为理想的增强图像,我们将此方法称为基于高维信息几何的医学图像增强。根据王守觉院士的仿生模式识别理论,原始图片以及和处理过后的图片所包含的信息量是完全相同的,可以看作是同源的两个事物。于是,据此推理,这两幅图之间应该存在一个连续的变化过程,变化过程中存在无数的图,也就是说把这两幅图看作高维空间中的两个点的话,那么这两个点之间就应该有一条渐变的超曲线,相应地曲线上的每一个点也便可看作是一幅图片,而图像中各像素的灰度值(或者RGB模)可作为它们的坐标。假设这个图像大小是M*N的,那么这幅图就是M*N维空间里面的一个点。我们关心的图像之间的关系便成了高维空间里面的点与点之间的关系。本文提出的基于高维信息几何的医学图像增强方法用简单的几何分析即可得到较为理想的增强图像,这是一个较大的突破,较之以前的种种图像增强方案,仅从代码的简洁程度上便具有极大的优势;而且本文提出的方法增强的效果明显,且运算速度快,效率高。此外,本文提出了一种新颖的基于高维信息几何的医学图像病变检测方法,该方法建立了投影线段增强算法的数学模型探索性地将2D图像与三维空间相结合,有效增强了图像的对比度和视觉效果。