第 1 章 绪论

1.1 研究背景及意义

随着图像处理技术的快速发展，图像处理技术在中办公自动化系统、图像通讯、地理信息系统得到了广泛重视及应用。另外在医疗设备和卫星图片的传输与分析的应用显得尤为重要。已知的几类图像处理技术有图像增强、复原、编码、压缩、去噪等，其中，去噪在一定程度上也可以归于图像增强。图像增强是输入“不好”的图像，输出改善后“好”的图像。在这一过程中，人眼视觉起到了至关重要的作用。无论是传统方法处理后的图像还是通过计算机处理的图像，在直观上都应该以人眼的接受为目标（这里说的是图像直观上的观察，计算机输出的一些质量评价数据除外）。图像增强的目的就是获得视觉效果好的图像，增强的效果通常以人眼的主观感觉来评价，通常与具体的图像相关。因此，我们可以认为图像增强就是依据人眼的视觉特性将原图像转换为适合于人眼观察的、视觉效果好的、运用于计算机处理的图像。1895 年，德国物理学家伦琴用他发现的 X 射线为他的夫人的手拍下了一张人类历史上第一张医学图片。医学图像的出现为医务工作者提供可用于诊断和治疗的信息，它的出现使医务工作者可以不用手术而直接对患者的病情进行诊断和分析，大大减轻了患者的痛苦。通过医学图像增强技术，我们可以获得视觉质量好的图像。因此，医学图像增强技术在医疗诊断和医学研究中占有举足轻重的地位。随着科学技术的进步，医学图像的获取方法越来越多。1972 年，英国工程师 Housfeild 发明了 X 射线计算机断层摄影装置，并把它用于头颅诊断。1975 年，用于全身诊断的 CT 装置在 EMI 公司研制成功诞生，并以此获得人体全身的断层摄影图像。随后随着 CR 技术的诞生于发展，人们对 X 光影像数字化处理、保存和传输成为现实。

………..

1.2 医学图像增强的国内外研究现状

基于 dbN 小波变换的医学图像混合作用域增强方法。该方法首先用 sobel算子提取图像的边缘，然后滤波得到原图像的锐化图像, 最后采用幂次变换扩展图像的灰度范围，实现图像增强。与常用的分段小波增强方法相比, 该方法的自适应性强, 增强后的图像能够保留丰富的细节,视觉效果较好。我们对不同尺度的小波系数进行锐化增强时,为了避免噪声的放大和过增强现象,首先利用模糊规则将像素分为低细节,中细节和高细节三类（这是通过计算该尺度低频系数中心像素与其邻域像素的相容性来实现的）,然后利用自适应方法计算非线性细节增益系数，最后小波重建（把增益系数与细节小波系数相乘）后得到增强图像。实验结果表明,该增强方法不仅能够图像细节进行增强而且能够有效地抑制噪声。用户可以调节中细节区域增强因子来适用于图像的特征，从而获得满意的增强效果。通过对选择空间频率的响应的增加来增强CR图像的结构边缘和细节的方法，其中对选择空间频率的响应的增加是使用钝化模糊影像来实现的。此方法首先根据CR图像的灰度特性来调节不同灰度级不同的增强程度的加权因数K，然后非线性地增强CR影像的边缘细节。实验证明, CR 图像经此方法处理后：细节丰富，细节方差与背景方差之比为通用方法的9到6倍。CR图像增强后具有良好的视觉效果,可以证明这种方法是CR医学放射图像边缘细节增强的一种好方法。另外，该方法同样适用于在多尺度分析基础上的小波分解。首先采用两步提升法对小波分解得到的低频子带图像进行对比度增强处理，然后对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明, 该方法不仅提高了医学图像的对比度，改善了图像质量，而且有效地解决了噪声放大问题（在传统方法中难以克服）。通过该方法处理后能够得到更利于医生进行分析诊断和后续处理的医学影像。

…………

第 2 章 传统的医学图像增强方法

2.1 医学图像对比度增强方法

对于灰度图像，医学图像的对比度增强就是增强医学图像灰度的差别，使医学图像高灰度更高、低灰度更低，从而在视觉上增强医学图像的视觉效果。常用的图像对比度增强方法有灰度映射、直方图均衡化、直方图规定化等等。灰度映射可以增大图像的灰度动态范围，使图像的对比度得到扩展，从而实现图像增强，使图像更清晰。尤其是对于灰度范围较小的原始图像，灰度映射有较好的增强效果，且因为其方法简单、灵活性强等的特点而得到广泛的应用。灰度映射根据映射函数的不同形式可分为线性灰度映射（包括一般线性灰度映射和分段线性灰度映射）和非线性灰度映射。线性灰度映射：在医学图像采集的过程中，由于亮度不足可能造成得到的图像灰度范围较小，在显示设备或者医务工作者直接观看时，看到的图像模糊。应用灰度映射，设计一个线性的灰度映射函数，将原始图像的对比度范围扩展，可以较好的增强医学图像的对比度，视觉效果较好。

………..

2.2 医学图像去噪

图像平滑是指抑制或消除图像噪声，以改善图像质量，实现图像增强的过程[6]。我们知道，在医学图像的获取和传输过程中，由于医学成像设备、显示设备以及环境等的影响，原始图像会带有各种噪声，使医学图像的质量下降。为了抑制噪声、改善医学图像的质量，要对医学图像进行平滑处理。由于医学图像对边缘具有较高的要求，所以在对医学图像平滑掉噪声的同时尽量保持图像细节，成为医学图像平滑的重点。常见的医学图像噪声主要有加性噪声、乘性噪声和量化噪声等。噪声并不仅限于人眼所见的失真，有些噪声只针对某些具体的图像处理过程产生影响[7]。医学图像中的噪声往往和正常信号交织在一起，尤其是乘性高斯噪声，如果处理不当，就会破坏医学图像本身的细节，如会使医学图像的线条、边界等变得模糊不清，不利于医学诊断和治疗。图像平滑就是为了消除这些噪声。医学图像平滑方法根据所处理的空间不同可以分为空间域和频率域，根据所处理的区域不同可以分为全局处理和局部处理，亦可以按线性平滑、非线性平滑和自适应平滑来划分。图像的平滑是一种实用的数字图像处理技术，一个较好的平滑处理方法应该既能消除图像噪声，又不使图像边缘轮廓和线条变模糊，这就是研究数字图像平滑处理要追求的目标[8]。一般情况下，医学图像平滑噪声可以分为邻域平均法、中值滤波法、低通滤波法等，邻域平均法即通过提高信噪比，取得较好的平滑效果；空域低通滤波采用低通滤波的方法去除噪声；频域低通滤波法通过除去其高频分量就能去掉噪声，从而使医学图像得到平滑[9]。

…………..

第 3 章 人眼视觉......20

3.1 人眼的生理结构........20

3.2 人眼视觉感知 ....21

3.2.1 人眼视觉信息传递过程........ 21

3.2.2 人眼视觉系统的注意机制...... 22

3.3 人眼视觉特性 .....23

本章小结........25

第 4 章 基于人眼视觉特性的医学图像增强方法........27

4.1 医学图像的预处理过程 ........27

4.1.1 阈值分割...... 27

4.1.2 计算最大面积闭合轮廓 ........ 28

4.2 基于人眼的对比灵敏度特性的灰度映射 ....29

本章小结........34

第 5 章 基于人眼视觉的医学图像增强方法的实现 ..........35

5.1 基于人眼视觉特性的医学图像增强的方法流程.....35

5.2 实验结果及分析........36

第 5 章 实验

5.1 基于人眼视觉特性的医学图像增强的方法流程

实验过程如下，a)代表原始图像；b)代表预处理后图像；c)代表本文增强图像；d)代表传统的对比度增强图像（这里实现的直方图均衡化方法）。本文采用平均梯度评价方法，平均梯度可以看成是图像的灰度变化率，值越大代表图像越清晰。由于传统的边缘增强方法和去噪方法都会造成医学图像中信息减少，都会造成医学图像某个部分不清晰，对平均梯度质量评价没有实际意义，这里不做比较。基于人眼视觉特性的医学图像增强方法是根据一个增强函数实现医学图像的增强。这个增强函数主要包括两部分：一是基于人眼的对比灵敏度特性构造一个灰度映射函数，实现医学图像对比度的增强；其次将拉普拉斯算子引入到分解滤波之中，对不同的区域进行分段增强，实现医学图像的边缘增强，且在分解滤波中降低噪声的影响。由于医学图像具有对病灶区边缘要求较高、对比度要求高以及对降低噪声影响要求较高的性质，我们实验结果表明基于人眼的视觉特性的医学图像增强方法对医学图像的边缘增强明显，对比度增强明显且降低了噪声对医学图像的影响，更适于人眼接受，实现了医学图像的增强，更适用于医疗诊断与治疗。

…………

结论

图像的类型千变万化，导致处理图像方法千差万别，而图像质量好坏没有一个统一的标准来衡量，这要求我们加大对图像处理的研究。由于对医学图像质量的要求越来越高，单一的医学图像增强方法往往难以满足实际需求，因此几种方法相结合、取长补短、优势互补是医学图像增强方法发展必然趋势。本文结合人眼的视觉特性，提出了一种新的医学图像增强方法,最终实现了医学图像的增强，得到了对比度大、清晰，细节更明显的图像。并且对于医学图像，我们可以随时调整划分的门限值，可以增强我们需要的部分，效果较好。所以，该方法的提出在不久的将来更易于被人们所接受。本文由于医学图像灰度上的相关性，主要应用人眼的感兴趣区域规律，先对医学图像进行预处理；又因为医学图像具有灰度的含糊性，我们运用基于人眼视觉特性的增强方法对医学图像进行处理，主要增强医学图像的边缘和对比度，同时降低噪声的影响，从而得到视觉效果更好的图像。主要完成了以下工作：首先介绍了医学图像的研究背景及研究现状，介绍了医学图像的产生与发展状况、医学图像的特点、医学图像增强技术的研究现状，重点在于选用合适的医学图像增强方法对医学图像进行增强。

…………

参考文献（略）