尘肺X线胸片图像增强

【摘要】： 本文主要研究了模糊增强法和多通道自适应同态增强法在尘肺X线图像中的应用。尘肺病是所有职业病中影响面最广，危害最严重的一类疾病。目前，尚无根治尘肺病的有效办法。现在医学上主要参照职业病史和依靠X线胸片进行诊断。然而，一方面尘肺X线图像具有动态范围宽、细节丰富和对比度差的特点；另一方面尘肺早期病变特征并不是十分明显。这些因素都不利于尘肺的早期诊断。借助于数字图像增强法，对尘肺X线图像进行对比度增强处理，突出尘肺病灶，从而有助于降低尘肺病早期诊断漏诊率。 模糊集理论是一种用于处理不确定性问题的有力工具，现已成功应用于图像处理和模式识别中。改进的模糊增强算法简化了Pal算法中复杂的变换和逆变换运算，并采用新的增强算子，可根据不同类型的图像动态调整隶属度阈值，克服了Pal算法中隶属度阈值设置为固定值的不足，而且减少了迭代次数。基于均匀度检测的自适应模糊对比度增强法利用图像的模糊性和人眼在平滑区的高噪声敏感性，有效增强图像局部对比度，并抑制噪声的放大．首先将图像从灰度域映射到模糊域中，然后在模糊域中检测区域均匀度，并根据均匀度自适应变化对比放大系数的模糊对比增强。多通道自适应同态增强利用人眼视觉系统非线性、多通道性以及高频敏感性，对多种尺寸的细节同时进行增强。首先利用对数将图像变换到对数域，再分别利用小、中、大三种尺寸的滤波器组进行三通道滤波，并分别利用低频增益系数和细节增益系数对滤波输出进行增强；然后对三通道输出进行平均，并利用指数变换将平均结果变换到灰度域即得最终增强后图像。最后用以上介绍的算法对尘肺标准片进行增强处理，实验结果表明，对0~+期尘肺X线胸片进行增强处理以后，图像对比度明显提高，整体轮廓很清晰，尘肺小阴影也得到了较好的突出，从而有助于读片人员的判读，对尘肺的早期诊断起到帮助作用。