[发明专利]一种基于分数阶微分的医学图像增强方法及系统

说明书

一种基于分数阶微分的医学图像增强方法及系统，方法包括如下步骤：步骤S1：将医学图像从原RGB颜色空间变换为原YUV颜色空间，得到原亮度分量Y和色度分量U、V；步骤S2：计算一种改进的基于G‑L分数阶微分的第一图像增强模板；步骤S3：采用固定阶数和所述第一图像增强模板对所述医学图像的原亮度分量Y进行第一次图像增强，得到第一次图像增强结果；步骤S4：采用自适应阶数和所述第一图像增强模板对所述医学图像的原亮度分量Y进行第二次图像增强，得到第二次图像增强结果；步骤S5：将所述第一次图像增强结果和所述第二次图像增强结果进行图像融合，得到新亮度分量。本发明能够有效的增强纹理细节，并且算法复杂度低，能够很好的满足实时处理的需求。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于分数阶微分的医学图像增强方法。

背景技术

近些年来，随着计算机技术的发展，影像技术被广泛的应用到现代医学的临床领域，比如核磁共振技术、计算机断层扫描技术等，这些医学影像技术给医生的诊断提供了有利的条件。但是医学图像在形成的过程中会受到诸如噪声的影响，导致拍摄的医学图像具有模糊、对比度低等特点，这些特点使得医生很难用肉眼准确地获得关键信息，从而导致漏检或误检。因此，对医学图像进行增强处理拥有非常重要的应用价值。

目前常用的医学图像纹理结构增强方法，主要可以分为锐化增强、模糊集增强、多尺度几何增强以及基于微分算子的增强方法等。针对不同的医学图像成像特点，各种方法既有其优势也有其缺点，例如锐化增强可以增强图像的小细节以及边缘部分，但是对噪声比较敏感；模糊集增强虽然可以处理医学图像中大量的不确定性，得到较好的增强效果，但是需要依赖较多先验知识，鲁棒性低；多尺度几何增强可以从，多个尺度对图像进行有针对性的增强，但容易产生“振铃”效应；基于微分算子的增强可以有效处理角点、管状等结构，但是Hessian矩阵的特征值与特征向量计算量大。

前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

发明内容

本发明的目的在于提供一种能够有效的增强纹理细节，提高图像的质量，并且算法复杂度低，能够很好的满足实时处理的需求的基于分数阶微分的医学图像增强方法及系统。

本发明提供一种基于分数阶微分的医学图像增强方法，包括如下步骤：步骤S1：将医学图像从原RGB颜色空间变换为原YUV颜色空间，得到原亮度分量Y和色度分量U、V；步骤S2：计算一种改进的基于G-L分数阶微分的第一图像增强模板；步骤S3：采用固定阶数和所述第一图像增强模板对所述医学图像的原亮度分量Y进行第一次图像增强，得到第一次图像增强结果；步骤S4：采用自适应阶数和所述第一图像增强模板对所述医学图像的原亮度分量Y进行第二次图像增强，得到第二次图像增强结果；步骤S5：将所述第一次图像增强结果和所述第二次图像增强结果进行图像融合，得到新亮度分量newY；步骤S6：将所述新亮度分量newY和所述色度分量进行U、V组合，得到新YUV颜色空间图像，接着将所述新YUV颜色空间转换到新RGB颜色空间，得到最终的增强医学图像。

进一步地，所述步骤S1中，具体的变换公式(1)如下：