[发明专利]一种X光图像自适应局部增强方法

摘要

本发明公开了一种X光图像自适应局部增强方法。本发明包括(1)构建训练深度神经网络，训练得到网络模型；(2)将X光图像数据输入到训练好的深度神经网络中，得到相应的增益图像的参数矩阵；(3)将得到的增益图像的参数矩阵与原X光图像进行数据处理；(4)输出数据处理后的X光图像；其中构建和训练神经网络的步骤还包括：采集初始图像和与之对应的增强效果较好的图像，对初始图像进行预处理；构建深度学习网络模型，确定模型的层数、训练方式、训练次数；利用有监督的训练方式对图像进行特征提取，参数训练，最终训练出最优的参数。本发明利用深度学习技术对X光图像进行分析，通过非人工干预的手段寻找最适合参数，有比较强的鲁棒性。

主权项

1.一种X光图像自适应局部增强方法，其特征在于包括如下步骤：步骤(1)构建训练深度神经网络，并训练得到相应的网络模型；步骤(2)将X光图像数据输入到训练好的深度神经网络中，得到相应的增益图像的参数矩阵；步骤(3)将得到的增益图像的参数矩阵与原X光图像进行数据处理；步骤(4)输出数据处理后的X光图像；步骤(1)构建训练深度神经网络，并训练得到相应的网络模型，具体如下步骤：1‑1.采集原始的训练图像和与之对应的增强效果较好的图像；1‑2.构建深度网络模型，确定模型的层数、训练方式、训练次数；1‑3.将X光图像送入网络中进行训练，利用有监督的训练方式得到最优的训练参数；步骤(3)所述的将得到的增益图像的参数矩阵与原X光图像进行数据处理，具体数据处理的过程如下：3‑1.计算原X光图像中每个像素以其自身为中心的局部区域的像素平均值，通过下面这个公式来进行计算：其中，(i,j)为像素中心，x(i,j)是图像中某点的灰度值，窗口大小为(2n+1)*(2n+1),其中n为一个整数；当然这个窗口区域可以不是正方形；mx(i,j)就是这个像素的平均值；最终想要得到的增强后的图像像素的灰度值f(i,j)通过这个公式计算：f(i,j)＝mx(i,j)+G(i,j)[x(i,j)‑mx(i,j)]    公式(2)其中，G(i,j)就是增益图像的参数矩阵。