[发明专利]基于加权直方图分布伽玛校正的奇异值均衡图像增强算法

说明书

本发明涉及图像处理领域，公开了一种基于加权直方图分布伽玛校正的奇异值均衡图像增强算法。根据内窥镜图像亮度的不同，将图像分成暗图像、中等亮度图像和亮图像。对于暗图像，采用截断伽玛值的加权直方图分布伽玛校正；中等亮度图像将图像分成低对比度和中等对比度，根据对比度不同确定伽玛值；对于亮度图像，采用基于负像的加权直方图分布伽玛校正；同时提出了一种加权自适应奇异值均衡方法，自适应确定加权参数。然后将提出的自适应伽玛校正用于基于小波变换的加权自适应奇异值均衡。针对不同亮度采用相对应的伽玛校正方法，有效避免了图像的细节和边缘的丢失、对直方图进行剪切，避免了图像的过度增强、图像亮度保持较好，颜色不失真。

技术领域

本发明涉及图像处理领域，更具体的说是涉及一种基于加权直方图分布伽玛校正的奇异值均衡图像增强算法。

背景技术

目前内窥镜图像血管增强的算法主要有：基于多光谱成像的方法；基于直方图均衡的方法；基于Retinex理论的方法。基于多光谱成像的方法会导致图像的颜色失真并且算法的复杂度很高。基于直方图的方法会使增强后的图像灰度级减少，导致图像细节的丢失并且会增加噪声。基于Retinex理论的方法因照度不均在增强图像周围会产生“光晕伪影”现象。

1.基于多光谱成像的方法

目前内窥镜图像多光谱成像方法主要有NBI、FICE和I-Scan三种技术。其中NBI是一种利用窄带光照明的硬件图像增强技术，在光源方面，需要一片NBI滤光片放在氙灯和一片红绿蓝旋转滤光片之间。通过移动NBI滤光片，光源穿过NBI滤光片光轴，和RGB旋转滤光片，照明光源从红绿蓝宽光谱转换成窄带光谱。因此需要专业的硬件设备，获取较为困难。对于FICE和I-Scan技术都是软件增强方法。其中FICE技术是由日本富士能公司开发的一种智能分光比色技术。通过计算选择若干个特定波长处的反射强度来重构彩色图像，以增强感兴趣目标，它通过选择性处理对临床意义大的光波信息，以改善病杜与周围组织结构、细微血管与周围组织间的对比度，增加了浅表病灶的检出率。但是此技术在使用前需对内窥镜系统进行严格定标，条件严格，且增强图像的颜色存在严重失真。I-Scan技术：它主要通过三个步骤来增强所获取的内窥镜图像。首先是表层亮度增强，即增强图像中表层黏膜血管组织的亮区和暗区的强度；其次是对比度增强，即通过比较邻域的强度来增强图像中不平滑区域附近的强度；最后是色调增强，即把彩色图像分解成三个分量的图像，将各分量图像釆用特定算法进行色调增强以后再重新合成彩色图像，从而可以更清晰地显示较多细节。但是，算法较为复杂，用于图像实时显示时会导致图像更新速度较慢，而且算法单一，对不同部位病变及不同程度的病变处理效果不一致，适用范围具有一定的局限性。

此外，动态光谱成像技术对图像的处理是光学处理的过程，主要着眼于消化道黏膜表面的微细腺管形态及微血管形态，使传统内窥镜成像技术条件下不能识别的异常组织变得清晰可辨，提高诊断种瘤性病变的精度与效率十分有利。但是存在处理图像的颜色失真、需要的硬件条件支持、适用范围的局限性等一些不足。

2.基于直方图均衡的方法

直方图均衡化是一种有效的图像增强技术，它通过计算各种灰度的像素强度来获得图像的直方图，并利用相应的累积分布函数进行灰度映射，以获得增强的整体图像对比度，使图像更清晰。其灰度值“均衡化”机制可在不同类别的图像都可以取得相对满意的对比度增强效果。但是，一般而言，经过直方图均衡化处理之后，灰度值出现概率较小的像素会被合并，从而导致该图像的部分灰度值被压缩，而灰度值出现概率较大的像素则会被拉伸。因此灰度值的合并必然引起来图像细节的丢失，而灰度值拉伸过程中必然会使得图像中的噪声被局部的增强。尤其是对于红外图像中背景和目标的灰度值非常接近的情况下，必然使得图像中的噪声被放大，细节丢失。

3.基于Retinex理论的方法