本研究旨在開發一種有效的醫學 X 光影像增強方法,以解決現有方法在保留局部和全局影像特徵方面的局限性,並提高診斷準確性。
本研究提出了一種名為全局對比度受限自適應直方圖均衡化 (G-CLAHE) 的新方法。G-CLAHE 結合了全局直方圖均衡化 (GHE) 和對比度受限自適應直方圖均衡化 (CLAHE) 的優點。該演算法採用迭代方法,在每次迭代中,使用 CLAHE 局部增強影像,並使用 GHE 評估全局影像特徵的保留程度。通過使用相似性度量(例如 SSIM)比較局部增強影像和全局均衡影像,該演算法確定何時終止迭代過程。
實驗結果表明,與 GHE、CLAHE 以及其他現有方法(如 TV-同態濾波、PLIP 非銳化遮罩和多尺度 Retinex)相比,G-CLAHE 在增強醫學 X 光影像方面表現出卓越的性能。G-CLAHE 能夠有效地增強影像對比度,同時保留重要的局部和全局影像特徵,而不會過度放大雜訊。
G-CLAHE 是一種有效的醫學 X 光影像增強方法,它克服了現有方法的局限性。G-CLAHE 通過結合 GHE 和 CLAHE 的優點,在保留局部和全局影像特徵的同時避免了雜訊過度放大,從而提高了診斷準確性。
本研究通過提出 G-CLAHE 演算法,為醫學影像增強領域做出了貢獻。G-CLAHE 是一種有潛力的技術,可以提高醫學 X 光影像的品質,從而有可能改善疾病診斷和治療效果。
未來的研究方向可能包括研究不同的相似性度量對 G-CLAHE 性能的影響,以及評估 G-CLAHE 在其他醫學影像模態(如 CT 和 MRI)中的應用。
翻譯成其他語言
從原文內容
arxiv.org
深入探究