CN102306376B - 自适应医用图像增强处理的方法 - Google Patents

自适应医用图像增强处理的方法 Download PDF

Info

Publication number
CN102306376B
CN102306376B CN201110268043.4A CN201110268043A CN102306376B CN 102306376 B CN102306376 B CN 102306376B CN 201110268043 A CN201110268043 A CN 201110268043A CN 102306376 B CN102306376 B CN 102306376B
Authority
CN
China
Prior art keywords
image
intermediate images
medical imaging
display
expressed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201110268043.4A
Other languages
English (en)
Other versions
CN102306376A (zh
Inventor
蒋慧琴
马岭
蒋宏宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201110268043.4A priority Critical patent/CN102306376B/zh
Publication of CN102306376A publication Critical patent/CN102306376A/zh
Application granted granted Critical
Publication of CN102306376B publication Critical patent/CN102306376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种自适应医用图像增强处理的方法,该方法包括如下步骤:对原始医用图像进行去除噪声增强处理后得到第一临时图像;压缩第一临时图像中的非诊断特征成分获取第二临时图像;采用设计的特征抽出滤波器,抽出原始图像的高频信号成分获取第三临时图像;对第三临时图像进行解析分类,获取低信号领域内的诊断特征成分的第四临时图像、高信号领域内的诊断特征成分的第五临时图像和噪声成分的第六临时图像;将第二、第四、第五和第六临时图像进行加权叠加,然后根据设定的图像处理条件对合成处理后的图像进行调整,获取诊断用的显示图像。

Description

自适应医用图像增强处理的方法
本申请是医用图像自适应增强处理装置及其方法的分案申请
原申请的申请日:2009年11月03日
原申请号:200910207422.5
原发明创造名称:医用图像自适应增强处理装置及其方法
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种医用图像自适应增强处理的方法。
背景技术
近年,数字化医学影像学设备有了很大的进步。继CT、PET、SPECT、DSA、MRI、数字化超声、数字化胃肠摄影和数字化乳腺摄影之后,计算机X线摄影(computed radiography,CR)和数字X线摄影(digital radiography,DR)等新技术问世,医学影像学全面数字化的时代已经来临。随着数字化医学影像学设备的进步,医师的诊断方法也发生了根本的变化。过去,用影像学设备所拍摄的医用图像直接打印在胶片上,医师通过观察胶片的“硬读片”方法进行诊断。现在,用影像学设备所拍摄的数字化医用图像保存在一个服务器上,医师通过和网络连接的LCD等显示设备观察再现原始图像的“软读片”方法进行诊断。
在医生进行“软读片”时,由于显示设备是图像的最终呈现者,因此,显示质量极大地影响着诊断精度。而目前的医用显示设备仅通过改进显示设备的物理材料属性来提高显示质量,其成本非常昂贵。医院出于对成本的考虑,常常舍弃医用显示器的配置,以普通显示器来代替。然而,一方面,从“软读片”时所使用的硬件设备来看,普通显示器和医用显示器的显像管等物理特性不同,例如,普通显示器的最大亮度仅是医用显示器的1/2,而较小的亮度范围导致从原始医用图像中的灰度差转化成的用于人眼分辨的亮度差较小,以致于人眼无法分辨,从而发生病灶的漏发现。普通显示器不具有DICOM校正功能,而显示设备的亮度等固有物理特性随着使用时间的增长而衰减,从而影响显示质量的稳定性和一致性,导致医师的误诊断。另一方面,从“软读片”时所使用的图像来看,DICOM图像的像素灰阶可以达到65536个,而普通显示器的显示系统的调色板只能显示256种颜色。因此,10bit,12bit和16bit的原医用图像变换成一般显示器的R、G、B各为8bit的显示图像时,一部分灰阶信息丢失从而引起显示质量低下。此外,在获取原医用图像数据时,成像的技术参数是由摄影技师在特定摄影条件下所决定的,按照原成像的技术参数在不同的显示设备上再现原图像时,显示设备的显示参数并不一定适合要显示的图像,特别是多种类的医用图像同时在一个显示设备再现时,显示设备的显示参数并不是完全适合每一种图像。
进一步,医用图像数据在获取和传输过程中产生的噪声和不同医师所需要的显示设备的显示参数不同,而目前还没有合适的调整方法也可能引起医师的误诊断。因此,用显示设备实现医师“软读片”时,非常需要根据显示设备的物理属性等硬件条件及实施“软读片”诊断医师的主观要求,对要显示的图像进行自适应处理以对应显示设备的物理属性,从而提高显示设备的诊断能力。
发明内容
本发明的目的是提供一种医用图像自适应增强处理的方法,通过实施自适应医用图像增强处理的方法解决上述问题。尤其是普通显示器和医用显示器的显像管等物理特性不同的问题,以便提高普通显示器的诊断能力,使其达到价格昂贵的医用显示器的显示效果。
一种自适应医用图像增强处理的方法,包括如下步骤:
(1)对原始医用图像进行去除噪声处理后得到第一临时图像;
(2)压缩第一临时图像中的非诊断特征成分获取第二临时图像;
(3)采用预先设计的特征抽出滤波器,抽出图像的高频信号成分获取第三临时图像;
(4)对第三临时图像进行解析分类,获取低信号领域内的诊断特征成分的第四临时图像、高信号领域内的诊断特征成分的第五临时图像和噪声成分的第六临时图像;
(5)通过图像合成手段,将第二临时图像、第四临时图像、第五临时图像和第六临时图像进行加权叠加,然后根据存储的图像处理条件对合成处理后的图像进行调整,获取诊断用的显示图像。
通过该方法的使用,取得如下的有益效果:
针对在原摄影条件下纪录的多位图像,即10bit、12bit、16bit图像,实施本发明的自适应医用图像增强处理方法后,由于显示图像的诊断特征按照显示设备的固有特性在显示前被实时增强了,从而避免了原医用图像变换成显示图像时所引起的诊断信息的丢失,可使显示图像的诊断能力得到提高。本发明的自适应医用图像增强处理方法里包含了去除噪声的步骤。由于医用图像中的噪声和病变特征信号通常具有相近的频率特性,现有消噪滤波器技术的缺点是在消去噪声时,供医生诊断用的病变特征也被同时消去。而本发明利用小波分析实现了把想增强的图像细节和不想增强的噪声成分的成功分离,在具有病变信号特征被保留和增强的同时,能成功地把噪声消去。本发明以图像获取设备类型的检查部位为单位设计的特征抽出滤波器能保证全部抽出感兴趣的诊断特征,在抽取的高频分量中分离出了噪声成分,在诊断特征增强时特别对噪声成分进行了抑制,这就避免了现有技术中的方法在有效增强图像组织边缘和细节信息的同时,噪声也会增加的问题。
本发明的技术参数可被用户在实机DICOM校正过的显示状态下进行调整设定,可使用户、每一种医用图像以及所用显示设备的显示参数达到最佳匹配状态。这样就解决了由于显示设备的亮度范围相对较小所引起的病灶的漏发现问题。对于不同的显示设备,仅通过调整技术参数就可使该设备达到医用显示器的显示效果。
采取定期对显示设备的亮度等固有物理特性进行测量,实机校正显示设备和更新技术参数的方法可使图像显示的一致性和稳定性得到实现。此外,医师可调整设定适合自己的显示设备的显示参数,从而可实现在最适当的诊断环境和设备条件下进行诊断的临床要求。
可使现有医用显示设备的性价比得到大幅度提升。本发明采用自适应医用图像增强处理的手段,提高显示设备的诊断能力。使一般显示器达到医用显示设备的显示效果,具有同样的诊断能力,而成本可降低30%。从而可大幅度的降低建立数字化医院的成本,推动“软读片”诊断方法的普及,提高诊断精度并减少病人负担。
附图说明
图1是根据本发明的一个优选实施例的用于自适应医用图像增强处理的方法流程图;
图2是按照本发明的方法中的去除噪声时所设计的小波分解树的结构图;
图3是根据本发明的方法中步骤(1)的方法流程图;
图4是根据本发明的另一个优选实施例的用于自适应医用图像增强处理的方法流程图;
图5是利用普通液晶显示器显示的原CR胸部图像;
图6是按照本发明的方法中的将图5的图像进行去除噪声后所显示的图像;
图7是按照本发明的方法最终获得的CR胸部显示图像;
图8是利用普通液晶显示器显示的原CT肺部图像;
图9是按照本发明的方法最终获得的CT肺部显示图像;
图10是利用普通液晶显示器显示的原Mammography乳房图像;
图11是按照本发明的方法最终获得的Mammography乳房显示图像;
图12是利用普通液晶显示器显示的原MR T2头部图像;
图13是按照本发明的方法最终获得的MR T2头部显示图像。
具体实施方式
下面将参照附图更加详细地描述根据本发明的自适应医用图像增强处理方法的具体实施方式。
如图1所示,该自适应医用图像增强处理的方法包括如下步骤:
(1)对原始医用图像进行去噪声增强处理后得到第一临时图像;
进一步地,该步骤还包括如下步骤,如图3所示,
(1a)以噪声特性种类为单位设计小波基;
(1b)将原始医用图像转化为多位的显示图像;
(1c)采用上述设计的小波基对多位的显示图像进行小波包变换,对小波包变换系数实施阈值处理;
(1d)基于上述小波包变换系数,利用小波包逆变换得到第一临时图像。
该步骤(1)的技术方案的特征在于以噪声特性种类为单位设计小波基并设计了图2所示的Wavelet Decomposition Tree,该小波分解树比一般的小波分解树能更详细的分解原图像中的同时含有病变特征和噪声的高频率成分。小波基的设计基于小波变换系数度量了小波和所变换信号类似度的原理,使得在分解后的小波系数中噪声能量集中在模数较小的系数里。
其中,该步骤可以被设定为执行、非执行两种状态。在非执行状态,第一临时图像是指原始医用图像,该第一临时图像用I1(x,y)表示。
(2)压缩第一临时图像中的非诊断特征成分获取第二临时图像,该第二临时图像用I2(x,y)表示;
由于影像诊断是通过观察图像中的一个自然渐变的信号领域带内,是否有信号值的跃变特征而判断病灶的有无。例如,在MR T1类影像中,既要在低信号领域带内观察是否有突变的低信号,又要在高信号领域带内观察是否有突变的高信号。该步骤中,先把图像分解为低、中、高三个信号领域带,然后利用Gamma校正,通过在不同的信号领域带内设定不同的Gamma值的方法来实现中间信号领域带的压缩,获取第二临时图像。
其中,像这样的Gamma值作为调整图像全体诊断特征成分的控制参数,标记为gGain,可被用户适当的调节设定。该Gamma校正的一般公式可表示为:I2(x,y)=I1(x,y)gGain
(3)采用预先设计的特征抽出滤波器,抽出原始图像的高频信号成分获取第三临时图像;
该步骤中的特征抽出滤波器为设计的整数型低通滤波器,并以单行向量的形式预先存放在图像处理准备单元中,而且该滤波器是以图像获取设备类型的检查部位的信息为单位进行设计,其中滤波器的卷积核大小根据诊断特征决定,例如,CR-胸部图像采用卷积核大小为33个像素的整数型低通滤波器。Mammography图像采用卷积核大小为25个像素的整数型低通滤波器等等。这里对应的检查部位有CR-胸部、CR-手足等小骨部、CR-脊椎等大骨部、CR腹部、数字化乳腺摄影Mammography图像、MR-T1类图像、MR-T2类图像、CT-胸肺部、CT-头部等20种。采用预设的整数型低通滤波器,可加快处理速度。
进一步地,该步骤的处理过程包括如下步骤:
(3a)利用低通滤波器对原始医用图像进行滤波;
(3b)对滤波后的图像进行卷积处理,得到低通平滑图像;
(3c)用原始医用图像减去低通平滑图像,获取高频信号成分。
(4)对第三临时图像进行解析分类,获取低信号领域内的诊断特征成分的第四临时图像、高信号领域内的诊断特征成分的第五临时图像和噪声成分的第六临时图像;
该步骤中的解析分类,是通过采用直方图的方法快速计算出上述步骤(3)中获取的高频信号绝对值的中值,并把该中值的三分之一设定为阈值。其中,大于该阈值的高频信号值作为高信号领域内的诊断特征成分;小于该阈值的相反数的高频信号值作为低信号领域内的诊断特征成分;其余的高频信号作为噪声成分来进行分类。该阈值可被用户调整设定。
(5)通过图像合成手段,将第二临时图像、第四临时图像、第五临时图像和第六临时图像进行加权叠加,然后根据设定的图像处理条件对合成处理后的图像进行调整,获取诊断用的显示图像。
该步骤中得到的合成处理后的图像为:
N(x,y)=I2(x,y)+lGain*I4(x,y)+hGain*I5(x,y)+nGain*I6(x,y);
其中,N(x,y)表示为所述合成处理后的图像;
I2(x,y)为前述第二临时图像;
I4(x,y)表示为第四临时图像;
I5(x,y)表示为第五临时图像;
I6(x,y)表示为第六临时图像;
lGain表示为低信号特征增强量控制参数;
hGain表示为高信号特征增强量控制参数;
nGain表示为消除噪声特性参数。
I2(x,y)图像的全体诊断特征成分的控制参数为gGain值。
其中,gGain值越大,压缩掉的图像内的非诊断特征成分就越多;hGain值越大,处理后的图像内包含的局部领域的高信号特征成分量就越多;lGain值越大,处理后的图像内包含的局部领域的低信号特征成分量就越多;nGain值越大,从原图像中抽出的诊断特征中分离出的噪声成分就越多。本发明的高低信号特征的增强系数可以被分别设定,使得高低信号领域的诊断特征可以被同时增强。
此外,图像处理条件包括图像全体诊断特征成分的控制参数、低信号特征增强控制参数、高信号特征增强控制参数和消除噪声特性参数,该条件可以根据不同的用户名和认证密码,提供用户所需的图像处理条件。
本发明的第二实施方式是
如图4所示,该自适应医用图像增强处理的方法包括如下步骤:
(1)压缩存储在图像接收单元内的图像中的非诊断特征成分获取第二临时图像;
由于影像诊断是通过观察图像中的一个自然渐变的信号领域带内,是否有信号值的跃变特征而判断病灶的有无。例如,在MR T1类影像中,既要在低信号领域带内观察是否有突变的低信号,又要在高信号领域带内观察是否有突变的高信号。该步骤(2)中,先把图像分解低、中、高三个信号领域带,然后利用Gamma校正,通过在不同的信号领域带内设定不同的Gamma值的方法来实现中间信号领域带的压缩,获取第二临时图像。其中,像这样的Gamma值作为调整图像全体诊断特征成分的控制参数,标记为gGain,可被用户适当的调节设定。该Gamma校正的一般公式可表示为:
I2(x,y)=I1(x,y)gGain
(2)采用预先设计的特征抽出滤波器,抽出存储在图像接收单元内的图像的高频信号成分获取第三临时图像;
该步骤中的特征抽出滤波器为设计的整数型低通滤波器,并以单行向量的形式预先存放在图像处理准备单元中,而且该滤波器是以图像获取设备类型的检查部位的信息为单位进行设计,其中滤波器的卷积核大小根据诊断特征决定,例如,CR-胸部图像采用卷积核大小为33个像素的整数型低通滤波器。Mammography图像采用卷积核大小为25个像素的整数型低通滤波器等等。这里对应的检查部位有CR-胸部、CR-手足等小骨部、CR-脊椎等大骨部、CR腹部、数字化乳腺摄影Mammography图像、MR-T1类图像、MR-T2类图像、CT-胸肺部、CT-头部等20种。采用预设的整数型低通滤波器,可加快处理速度。该步骤的处理过程包括如下步骤:
(21)利用低通滤波器对存储在图像接收单元内的图像进行滤波;
(22)对滤波后的图像进行卷积处理,得到低通平滑图像;
(23)用存储在图像接收单元内的图像减去低通平滑图像,获取高频信号成分的第三临时图像。
(3)对第三临时图像进行解析分类,获取低信号领域内的诊断特征成分的第四临时图像、高信号领域内的诊断特征成分的第五临时图像和噪声成分的第六临时图像;
该步骤中的解析分类,通过采用直方图的方法计算出上述步骤(2)中获取的高频信号绝对值的中值,并把该中值的三分之一设定为阈值。其中,大于该阈值的高频信号值作为高信号领域内的诊断特征成分;小于该阈值的相反数的高频信号值作为低信号领域内的诊断特征成分;其余的高频信号作为噪声成分来进行分类,该阈值可被用户调整设定。
(4)通过图像合成手段,将第二临时图像、第四临时图像、第五临时图像和第六临时图像进行加权叠加,然后根据设定的图像处理条件对合成处理后的图像进行调整,获取诊断用的显示图像。
该步骤(4)中得到的合成处理后的图像为:
N(x,y)=I2(x,y)+lGain*I4(x,y)+hGain*I5(x,y)+nGain*I6(x,y);
其中,N(x,y)表示为所述合成处理后的图像;
I2(x,y)为以上所述的第二临时图像;
I4(x,y)表示为所述第四临时图像;
I5(x,y)表示为所述第五临时图像;
I6(x,y)表示为所述第六临时图像;
lGain表示为低信号特征增强量控制参数;
hGain表示为高信号特征增强量控制参数;
nGain表示为消除噪声特性参数。
I2(x,y)图像的全体诊断特征成分的控制参数为gGain值。
其中,gGain值越大,压缩掉的图像内的非诊断特征成分就越多。hGain值越大,处理后的图像内包含的局部领域的高信号特征成分量就越多;lGain值越大,处理后的图像内包含的局部领域的低信号特征成分量就越多;nGain值越大,从原图像中抽出的诊断特征中分离出的噪声成分就越多。本发明的高低信号特征的增强系数可以被分别设定,使得高低信号领域的诊断特征可以被同时增强。
此外,图像全体诊断特征成分的控制参数、图像处理条件包括低信号特征增强控制参数、高信号特征增强控制参数和消除噪声特性参数,该条件可以根据不同的用户名和认证密码,提供用户所需的图像处理条件。
下面通过图片来说明采用本发明后的处理结果。在本实施例中,采用如下的设备:
(1)测试用显示设备:
DELL20寸液晶显示器
型号:DELL2007FP
分辨率:1600*1200
(2)测试用显示卡:ATI Radeon(TM)HD4350512MB(DVI/HDMI/VGA)
图5表示了用DELL20寸液晶显示器所显示的原CR胸部图像。这是一幅典型的胸部X线CR肿瘤影像。图像特征如下:
像素深度:灰度12bit;
图像尺寸:宽2048,高2048。
从图5可以看到,用一般的DELL20寸液晶显示器所显示的图像中,圆圈内的肿瘤几乎不能辨别。按照图1的自适应医用图像增强处理方法的处理流程处理后的图像由图6表示,表示了在DELL20寸液晶显示器上的显示图像,结果表明去除噪声的同时诊断特征能被自然的增强。
图7表示了用DELL20寸液晶显示器所显示的按照本发明的技术方案处理后的CR胸部图像。从图7可以看到,圆圈内的肿瘤可被清楚的辨别。此结果表明采用本发明的技术方案,用一般显示器能实现医用图像的高清晰显示。
图8表示了用DELL20寸液晶显示器所显示的CT原始图像。这是一幅典型的肺部CT影像。图像特征如下:
像素深度:灰度16bit;
图像尺寸:宽512,高512。
图9表示了用DELL20寸液晶显示器所显示的按照本发明的技术方案处理后的CT肺部图像。其结果表明在一般显示器上能观察到高清晰度的具有诊断水平的CT图像。
图10表示了用DELL20寸液晶显示器所显示的Mammography原始图像。这是一幅典型的乳房癌影像。图像特征如下:
像素深度:灰度16bit;
图像尺寸:宽2048,高2048。
图11表示了用DELL20寸液晶显示器所显示的按照本发明的技术方案处理后的Mammography乳房图像。结果表明,在原图10中不能发现的乳房癌扩散后的微小石灰块,在图11中能清晰地被观察到。
图12表示了用DELL20寸液晶显示器所显示的MR原始图像。这是一幅典型的头部MR T2影像。图像特征如下:
像素深度:灰度16bit;
图像尺寸:宽512,高512。
图13表示了用DELL20寸液晶显示器所显示的按照本发明的技术方案处理后的MR图像,其结果也表明在一般显示器上能观察到高清晰度的具有诊断水平的MR图像。
本领域普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种自适应医用图像增强处理的方法,所述方法针对诊断医师进行“软读片”时在同一显示设备上同时显示的原始的多种类医用图像同时实施,以便同时改善所述原始的多种类医用图像的显示质量,所述原始的多种类医用图像是在原不同摄影条件下采集的医用图像,其特征在于,包括如下步骤:
(1)对所述原始的多种类医用图像分别进行去噪声增强处理后得到其对应的第一临时图像,或将所述原始的多种类医用图像分别直接作为其对应的第一临时图像;
(2)压缩第一临时图像中的非诊断特征成分获取第二临时图像;
(3)采用预先设计的整数型低通滤波器,分别抽出所述原始的多种类医用图像的高频信号成分获取第三临时图像,所述低通滤波器以单行向量的形式预先存放在图像处理准备单元中,并且以图像获取设备类型的检查部位的信息为单位进行设计,其中所述低通滤波器的卷积核大小根据诊断特征决定;
(4)对第三临时图像进行解析分类,获取低信号领域内的诊断特征成分的第四临时图像、高信号领域内的诊断特征成分的第五临时图像和噪声成分的第六临时图像;
(5)通过图像合成手段,将第二临时图像、第四临时图像、第五临时图像和第六临时图像进行加权叠加,然后根据设定的图像处理条件对合成处理后的图像进行调整,获取诊断用的显示图像,该显示图像属于能够同时显示在同一显示设备上的多种类医用图像中的一幅。
2.如权利要求1所述的自适应医用图像增强处理的方法,其特征在于,所述步骤(1)还包括如下步骤:
(1a)以噪声特性种类为单位设计小波基;
(1b)将所述原始的多种类医用图像分别转化为其对应的多位的显示图像;
(1c)采用上述设计的小波基,分别对转化后的多位的显示图像进行小波包变换,对小波包变换系数实施阈值处理;
(1d)基于上述处理后的小波包变换系数,利用小波包逆变换得到第一临时图像。
3.如权利要求1所述的自适应医用图像增强处理的方法,其特征在于,所述图像处理条件包括低信号特征增强控制参数、高信号特征增强控制参数,消除噪声特性参数和调整设定图像全体的诊断特征成分的控制参数,该条件可以根据不同的用户名和认证密码,提供用户所要求的图像处理条件。
4.如权利要求1所述的自适应医用图像增强处理的方法,其特征在于,所述步骤(3)还包括如下步骤:
(3a)利用所述低通滤波器对所述原始的多种类医用图像分别进行滤波;
(3b)对上述滤波后的图像进行卷积处理,得到其对应的低通平滑图像;
(3c)用所述原始的多种类医用图像分别减去低通平滑图像,获取其对应的高频信号成分。
5.如权利要求1所述的自适应医用图像增强处理的方法,其特征在于,所述步骤(5)中得到的合成处理后的图像为:
N(x,y)=I2(x,y)+lGain*I4(x,y)+hGain*I5(x,y)+nGain*I6(x,y);
其中,N(x,y)表示为所述合成处理后的图像;
I2(x,y)表示为所述第二临时图像;
I4(x,y)表示为所述第四临时图像;
I5(x,y)表示为所述第五临时图像;
I6(x,y)表示为所述第六临时图像;
lGain表示为低信号特征增强量控制参数;
hGain表示为高信号特征增强量控制参数;
nGain表示为消除噪声特性参数。
6.如权利要求1所述的自适应医用图像增强处理的方法,其特征在于,压缩存储在图像接收单元内的第一临时图像中的非诊断特征成分,把所述图像分解成低、中、高三个信号领域带,然后利用Gamma校正,通过在不同的信号领域带内设定不同的Gamma值的方法来实现中间信号领域带的信号压缩。
CN201110268043.4A 2009-11-03 2009-11-03 自适应医用图像增强处理的方法 Active CN102306376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110268043.4A CN102306376B (zh) 2009-11-03 2009-11-03 自适应医用图像增强处理的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110268043.4A CN102306376B (zh) 2009-11-03 2009-11-03 自适应医用图像增强处理的方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN2009102074225A Division CN101697230B (zh) 2009-11-03 2009-11-03 医用图像自适应增强处理装置及其方法

Publications (2)

Publication Number Publication Date
CN102306376A CN102306376A (zh) 2012-01-04
CN102306376B true CN102306376B (zh) 2014-12-17

Family

ID=45380234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110268043.4A Active CN102306376B (zh) 2009-11-03 2009-11-03 自适应医用图像增强处理的方法

Country Status (1)

Country Link
CN (1) CN102306376B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108931574A (zh) * 2018-06-05 2018-12-04 北京领示科技有限公司 一种超声无损检测数据的结构噪声数字滤波方法
CN109799531B (zh) * 2019-03-20 2022-04-01 成都理工大学 一种基于地震分频相干属性的裂缝储层预测方法
CN113923474B (zh) * 2021-09-29 2023-06-23 北京百度网讯科技有限公司 视频帧处理方法、装置、电子设备以及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1405734A (zh) * 2002-10-28 2003-03-26 武汉大学 一种医学图像的边缘增强方法
CN1860500A (zh) * 2003-09-22 2006-11-08 皇家飞利浦电子股份有限公司 利用时间滤波器来增强医学图像
CN101030298A (zh) * 2007-03-29 2007-09-05 杭州电子科技大学 多尺度自适应对比度变换的医学图像增强方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1405734A (zh) * 2002-10-28 2003-03-26 武汉大学 一种医学图像的边缘增强方法
CN1860500A (zh) * 2003-09-22 2006-11-08 皇家飞利浦电子股份有限公司 利用时间滤波器来增强医学图像
CN101030298A (zh) * 2007-03-29 2007-09-05 杭州电子科技大学 多尺度自适应对比度变换的医学图像增强方法

Also Published As

Publication number Publication date
CN102306376A (zh) 2012-01-04

Similar Documents

Publication Publication Date Title
CN101697230B (zh) 医用图像自适应增强处理装置及其方法
US20230389885A1 (en) Image quality compliance tool
Goel et al. Medical image processing: A review
Zhao et al. A new approach for medical image enhancement based on luminance-level modulation and gradient modulation
CN106780436B (zh) 一种医疗影像显示参数确定方法及装置
JP2008520344A (ja) 放射線写真画像の向きを検知及び補正する方法
JP2012524329A (ja) 多重尺度画像の正規化及び強調
CN110610498A (zh) 乳腺钼靶图像处理方法、系统、存储介质及设备
CN102306376B (zh) 自适应医用图像增强处理的方法
Bharucha et al. Comparison of manual and semiautomated techniques for analyzing gastric volumes with MRI in humans
CN115670347A (zh) 移动式食管内镜图像采集与质控系统
CN101213573A (zh) 图像处理
Setty et al. Development of multiscale retinex algorithm for medical image enhancement based on multi-rate sampling
Albiol et al. Automatic intensity windowing of mammographic images based on a perceptual metric
Aldoury et al. A new X-ray images enhancement method using a class of fractional differential equation
Yang et al. Fusion of CT and MR images using an improved wavelet based method
Bandyopadhyay Image enhancement technique applied to low-field MR brain images
Basha et al. On the Use of Spatial Frequency Technique for Detection of Brain Tumors in Medical Images
Venkateswarlu et al. Arnold-wavelet based robust watermarking technique for medical images
Karam et al. An enhanced approach for biomedical image restoration using image fusion techniques
IDOWU et al. Improved Enhancement Technique for Medical Image Processing
Guo et al. A Low-Dose CT Image Denoising Method Combining Multistage Network and Edge Protection
Ahmad et al. Analysis of image quality based on dentists' perception cognitive analysis and statistical measurements of intra-oral dental radiographs
Mahadi et al. Feature detection of mitral valve based on image processing technique: A review
Georgieva et al. X-ray image based computer-assisted methods for pulmonary diseases

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20120104

Assignee: Zhengzhou Likang Mdt InfoTech Ltd

Assignor: Jiang Huiqin

Contract record no.: X2019980001297

Denomination of invention: Method for adaptive medical image enhancement

Granted publication date: 20141217

License type: Common License

Record date: 20191225

EE01 Entry into force of recordation of patent licensing contract