[发明专利]一种模糊集与分数阶微分相结合的医疗图像增强方法

说明书

本发明提供一种基于模糊集与分数阶微分相结合的医疗图像增强方法。本发明方法包括：利用Haar小波变换对原始医疗图像分解，得到图像的低频子带分量和高频子带分量；对提取到的低频子带分量采用自适应阈值的模糊集方法进行增强，得到增强低频自带分量；利用分数阶微分构造掩模，与高频带分量进行卷积运算，得到增强高频带分量；通过小波重构，将增强低频自带分量与增强高频带分量进行组合重构，恢复增强后的图像。本发明利用小波变换对图像进行分解，并对提取的不同频带分别使用不同方法进行增强，得到增强后的图像对比度更高，图像的纹理细节被更多的刻画出来，边缘轮廓细节变得更加清晰。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种模糊集与分数阶微分相结合的医疗影像增强方法。

背景技术

在医学成像数字化过程当中，由于受到成像设备、拍摄环境、物理方法等多种因素的影响，往往使得影像伴有较大噪声、对比度低、组织边缘模糊不清等问题。这些因素都极大地影响了医生对病情的诊断。随着计算机技术的发展，数字图像处理已经应用到了医学诊断领域，利用计算机技术提高医学影像质量能够得到较好的视觉效果，对医学的诊断起到促进作用，因此医学影像的增强显得尤为重要。

医学图像为临床诊断提供了重要信息依据，在很大程度上，低质量的医学图像会在一定程度上干扰医生的临分析进而影响对病情的诊断。因此，采用一系列技术手段提高医学图像的清晰度，获得高质量的医学影像，方便医生分析图像，提高确诊率。医学图像的信息非常复杂，信息之间相互关联，因此存在很多模糊的划分。在医学图像中，人体的组织边缘和拐角无法准确定位，图像不同区域难以严格区分，另外不同的组织结构对应着较为相似的灰度特征，在处理过程中无法达到精确的划分。由于这种不确定性，因此大量的研究热衷于将模糊集理论应用到图像处理中，但是简单的模糊集增强方法难以有效的对复杂的医学影像进行增强，另外模糊集方法增强效果能力有限，无法达到良好的增强效果。除此之外，由于机器成像的过程中受到环境干扰、成像设备、拍摄者干扰等多种因素，导致拍摄医学影像出现过高噪声，影像出现模糊不清晰的现象，严重的影响了医生对病情的分析诊断和医学影像的研究。

发明内容

根据上述提出的技术问题，而提供一种模糊集与分数阶微分相结合的医疗影像增强方法。本方法通过对图像不同频带的提取与增强，即提高了整幅图像的轮廓信息，同时又刻画了图像的边缘细节，修正了纹理信息。本发明采用的技术手段如下：

一种基于模糊集与分数阶微分相结合的医疗图像增强方法，包括如下步骤：

步骤一：利用Haar小波变换对原始医疗图像分解，得到图像的低频子带分量和高频子带分量；

步骤二：对提取到的低频子带分量采用自适应阈值的模糊集方法进行增强，得到增强低频自带分量；

步骤三：利用分数阶微分构造掩模，与高频带分量进行卷积运算，得到增强高频带分量；

步骤四：通过小波重构，将增强低频自带分量与增强高频带分量进行组合重构，恢复增强后的图像。

进一步地，所述步骤一具体为：通过Haar小波构造高通和低通滤波器，对图像的行和列分别进行滤波，得到一个低频子带分量和三个高频子带分量。

进一步地，所述步骤二具体为：采用改进的最大类间方差方法，提取图像的阈值，并通过构造新的“S”型隶属函数，将低频带图像映射到模糊空间，在模糊空间域上进行增强后，通过模糊逆变换，将增强后的图像映射到空间域。

进一步地，所述步骤三具体为：考虑高频带图像中心像素点邻域8个方向像素的影像，分别对8个方向进行微分，从而构造出5×5大小的分数阶微分掩模，将高频子带分量与分数阶微分掩模进行卷积，得到增强后的高频子带分量。

本发明具有以下优点：