用多目标遗传算法和适应性形态转换改善医学图像

科学领域:

• 医疗成像医学成像
• 图像处理 图像处理
• 计算机视觉 计算机视觉

背景情况:

• 医疗图像腐败 (模糊,减弱) 需要增强技术.
• 以前的方法通常在形态运算中使用固定尺寸的结构元素.
• 图像增强公式中的常数系数限制了适应性.

研究的目的:

• 开发一种适应性医学图像增强算法.
• 通过结合可变参数来改进传统的形态变化.
• 为了实现最佳的图像增强,根据个人医疗图像量身定制.

主要方法:

• 利用了顶帽和底帽形态转换,使用了尺寸可变的磁盘结构元素.
• 在图像增强公式中纳入了可变系数.
• 采用了一个具有多目标合适功能的遗传算法来优化转换参数 (磁盘大小,系数).

主要成果:

• 通过视觉检查和定量指标 (,SSIM,NIQE,BRISQE,AMBE,PSNR) 证明了成功增强医疗图像.
• 拟议的方法有效地保存图像信息.
• 实现了噪声放大抑制,并防止了显著的亮度增加.

结论:

• 使用可变结构元素和系数的新方法显著提高了医疗图像质量.
• 该算法的自适应性确保了在各种图像条件下获得最佳结果.
• 这种技术提供了一个强大的解决方案,通过更清晰的医学图像来提高诊断准确性.