基于图像分割和全变分的肺CT图像增强

摘要：

现有图像增强算法在处理肺部计算机断层扫描(CT)图像时,易产生不自然的外观,引入不必要的人工伪影,并会产生洗去效应.针对此问题,本团队提出了一种基于图像分割和全变分模型的图像增强算法.该算法将图像分割为前景和背景,先对前景肺实质图像的直方图进行修改,然后根据修改的直方图对图像进行伽马拉伸,得到对比度增强的前景图像,再将其与背景图像融合作为全变分模型的输入;然后通过全变分能量泛函将图像分解为纹理层和结构层,对纹理层进行小波阈值去噪,将去噪后的纹理层与结构层进行融合得到增强图像.实验结果的主观分析和客观评价指标均表明,该算法不仅可以有效抑制图像中的伪影噪声,解决现有算法过度增强肺CT图像的问题,还可以充分提高图像的对比度,并保留图像的自然外观显示、纹理细节和边缘特征等信息.

关键词：医用光学、图像增强、图像分割、伽马变换、全变分模型、小波变换

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;中国科学院“西部之光”人才培养引进计划

在线出版日期：2022-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：157-164