醫(yī)學(xué)圖像增強(qiáng)方法和設(shè)備的制作方法
【專利摘要】本發(fā)明提供一種醫(yī)學(xué)圖像增強(qiáng)方法和設(shè)備，該方法包括：獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓，采用傅里葉變換算法，對(duì)輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換，以對(duì)輸入圖像的形狀屬性進(jìn)行增強(qiáng)；對(duì)經(jīng)過形狀相似變換和旋轉(zhuǎn)變換后的輸入圖像進(jìn)行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結(jié)構(gòu)區(qū)域的特征細(xì)節(jié)，以便增強(qiáng)病變特征區(qū)域；對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理，進(jìn)一步選擇性增強(qiáng)輸入圖像中的病變特征區(qū)域，凸顯病變特征區(qū)域，提高圖像對(duì)比度，從而有利于提高醫(yī)生診斷準(zhǔn)確性。
【專利說明】醫(yī)學(xué)圖像增強(qiáng)方法和設(shè)備
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，具體是涉及一種醫(yī)學(xué)圖像增強(qiáng)方法和設(shè)備。
【背景技術(shù)】
[0002]乳腺癌是女性較為常見的一種婦科病，嚴(yán)重威脅著女性的健康。隨著醫(yī)學(xué)成像技術(shù)的發(fā)展，醫(yī)學(xué)圖像已經(jīng)成為臨床診斷、病理分析及治療的重要依據(jù)，其中X線以其空間分辨率高、對(duì)腫塊和鈣化較為敏感等優(yōu)點(diǎn)，已經(jīng)成為乳腺癌診斷中一種廣泛使用的手段。
[0003]但是目前，使用乳腺X線圖像進(jìn)行診斷時(shí)仍有較高的誤診率，主要是因?yàn)檩^差的圖像質(zhì)量，比如特征區(qū)域即病變區(qū)域與周圍組織結(jié)構(gòu)背景間的對(duì)比度較弱，特征區(qū)域形狀多變、邊界模糊等。已經(jīng)使用的圖像增強(qiáng)方法比如直方圖均衡化方法，基于直方圖統(tǒng)計(jì)結(jié)果來計(jì)算灰度轉(zhuǎn)換函數(shù)，經(jīng)過直方圖均衡處理后，圖像的直方圖變換為均勻分布的直方圖，以獲得最大信息量，它只能得到全局均衡化的處理結(jié)果，無法實(shí)現(xiàn)細(xì)節(jié)和邊緣增強(qiáng)效果。再如反銳化方法，通過對(duì)原始圖像特定局部區(qū)域進(jìn)行反銳化處理，以達(dá)到增強(qiáng)其邊緣和細(xì)節(jié)信息的效果。但是由于沒有充分考慮圖像中特征區(qū)域與周圍組織結(jié)構(gòu)的對(duì)比度，在低對(duì)比度時(shí)增強(qiáng)效果不理想。
[0004]上述現(xiàn)有方法中，無法將病變特征區(qū)域從醫(yī)學(xué)圖像凸顯出來以便于診斷，使得圖像質(zhì)量不高，從而影響醫(yī)生診斷的準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0005]針對(duì)現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種醫(yī)學(xué)圖像增強(qiáng)方法和設(shè)備，以實(shí)現(xiàn)凸顯病變特征區(qū)域，提高圖像對(duì)比度，從而提高醫(yī)生診斷準(zhǔn)確性的目的。
[0006]本發(fā)明提供了一種醫(yī)學(xué)圖像增強(qiáng)方法，包括:
[0007]獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓；
[0008]采用傅里葉變換算法，對(duì)所述輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換；
[0009]對(duì)經(jīng)過所述形狀相似變換后的輸入圖像進(jìn)行平滑濾波處理；
[0010]對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理；
[0011 ] 輸出經(jīng)過所述小波變換處理后的輸入圖像。
[0012]本發(fā)明提供了一種醫(yī)學(xué)圖像增強(qiáng)設(shè)備，包括:
[0013]獲取模塊，用于獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓；
[0014]傅里葉變換模塊，用于采用傅里葉變換算法，對(duì)所述輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換；
[0015]平滑濾波模塊，用于對(duì)經(jīng)過所述形狀相似變換后的輸入圖像進(jìn)行平滑濾波處理；
[0016]小波變換模塊，用于對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理；
[0017]輸出模塊，用于輸出經(jīng)過所述小波變換處理后的輸入圖像。[0018]本發(fā)明提供的醫(yī)學(xué)圖像增強(qiáng)方法和設(shè)備，采用傅里葉變換算法，對(duì)輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換，以對(duì)輸入圖像的形狀屬性進(jìn)行增強(qiáng)；對(duì)經(jīng)過形狀相似變換和旋轉(zhuǎn)變換后的輸入圖像進(jìn)行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結(jié)構(gòu)區(qū)域的特征細(xì)節(jié)，以便增強(qiáng)病變特征區(qū)域；對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理，進(jìn)一步選擇性增強(qiáng)輸入圖像中的病變特征區(qū)域，凸顯病變特征區(qū)域，提高圖像對(duì)比度，從而有利于提高醫(yī)生診斷準(zhǔn)確性。
【專利附圖】

【附圖說明】
[0019]圖1為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)方法實(shí)施例一的流程圖；
[0020]圖2為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)方法實(shí)施例二的流程圖；
[0021]圖3為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)設(shè)備實(shí)施例一的結(jié)構(gòu)示意圖；
[0022]圖4為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)設(shè)備實(shí)施例二的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0023]圖1為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)方法實(shí)施例一的流程圖，如圖1所示，該方法包括:
[0024]步驟101、獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓；
[0025]本實(shí)施例中，輸入圖像即為原始拍攝獲得的圖像，對(duì)于患有乳腺疾病的病人，該輸入圖像中既包含有病變特征的影像區(qū)域，又包含有在病變區(qū)域周圍的正常組織結(jié)構(gòu)，這些組織結(jié)構(gòu)影像相當(dāng)于病變影像的背景，對(duì)疾病的診斷具有不利影響。對(duì)于乳腺疾病而言，在輸入圖像中存在病變特征區(qū)域，該病變特征區(qū)域中的特征點(diǎn)，即病理特征一般體現(xiàn)為腫塊和微鈣化簇。而對(duì)于這些特征點(diǎn)，或者說病變特征區(qū)域一般從形狀、紋理和輪廓這些屬性上進(jìn)行描述與診斷。
[0026]步驟102、采用傅里葉變換算法，對(duì)所述輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換；
[0027]具體地，對(duì)輸入圖像首相采用傅里葉變化算法，針對(duì)形狀屬性對(duì)其進(jìn)行形狀相似變換和旋轉(zhuǎn)變換，以適應(yīng)紋理、輪廓的任意取向，即不對(duì)紋理和輪廓產(chǎn)生影響。
[0028]步驟103、對(duì)經(jīng)過所述形狀相似變換和旋轉(zhuǎn)變換后的輸入圖像進(jìn)行平滑濾波處理；
[0029]之后，對(duì)輸入圖像進(jìn)一步進(jìn)行平滑濾波處理，以平滑輸入圖像中的背景結(jié)構(gòu)區(qū)域的細(xì)節(jié)信息。
[0030]在實(shí)際應(yīng)用中，可以采用自適應(yīng)多級(jí)非線性濾波器來對(duì)輸入圖像進(jìn)行平滑濾波處理。
[0031]步驟104、對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理，以增強(qiáng)所述病變特征區(qū)域；
[0032]步驟105、輸出經(jīng)過所述小波變換處理后的輸入圖像。
[0033]本實(shí)施例中，對(duì)于經(jīng)過平滑濾波處理后的輸入圖像，采用小波變換的方法對(duì)其進(jìn)行增強(qiáng)處理。由于小波變換處理是一種多尺度下對(duì)輸入圖像進(jìn)行的局部變換，因此，基于小波變換可以對(duì)輸入圖像進(jìn)行分割處理，以對(duì)病變特征區(qū)域進(jìn)行增強(qiáng)，從而使得病變特征區(qū)域得以凸顯，以便提取出包含于病變特征區(qū)域中的病理特征，比如腫塊、鈣化點(diǎn)情形。
[0034]最后，將小波變換后的輸入圖像輸出，以作為醫(yī)生診斷的依據(jù)。
[0035]本實(shí)施例中，采用傅里葉變換算法，對(duì)輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換，以對(duì)輸入圖像的形狀屬性進(jìn)行增強(qiáng)；對(duì)經(jīng)過形狀相似變換和旋轉(zhuǎn)變換后的輸入圖像進(jìn)行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結(jié)構(gòu)區(qū)域的特征細(xì)節(jié)，以便增強(qiáng)病變特征區(qū)域；對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理，進(jìn)一步選擇性增強(qiáng)輸入圖像中的病變特征區(qū)域，凸顯病變特征區(qū)域，提高圖像對(duì)比度，從而有利于提聞醫(yī)生診斷準(zhǔn)確性。
[0036]圖2為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)方法實(shí)施例二的流程圖，如圖2所示，該方法包括:
[0037]步驟201、獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓；
[0038]步驟202、采用傅里葉變換算法，對(duì)所述輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換；
[0039]步驟203、對(duì)經(jīng)過所述形狀相似變換和旋轉(zhuǎn)變換后的輸入圖像進(jìn)行平滑濾波處理；
[0040]步驟204、以第一權(quán)重系數(shù)乘以經(jīng)過所述平滑濾波處理后的輸入圖像，以整體增強(qiáng)經(jīng)過所述平滑濾波處理后的輸入圖像；
[0041 ] 本實(shí)施例中，在對(duì)輸入圖像進(jìn)行平滑濾波處理之后，并行進(jìn)行以下兩種處理過程:一是對(duì)平滑濾波后的輸入圖像整體上進(jìn)行增強(qiáng)，即乘以第一權(quán)重系數(shù)；一是對(duì)平滑濾波后的輸入圖像進(jìn)行小波變換處理，以對(duì)輸入圖像進(jìn)行分割，從而對(duì)病變特征區(qū)域有針對(duì)性地進(jìn)行增強(qiáng)。
[0042]步驟205、確定經(jīng)過所述平滑濾波處理后的輸入圖像中的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域；
[0043]步驟206、采用小波變換算法，根據(jù)確定的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域?qū)λ鼋?jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割處理，得到與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像和與所述確定的背景結(jié)構(gòu)區(qū)域?qū)?yīng)的第二子輸入圖像；
[0044]步驟207、采用小波逆變換算法，分別對(duì)所述第一子輸入圖像和所述第二子輸入圖像進(jìn)行重構(gòu)處理；
[0045]步驟208、對(duì)經(jīng)過所述重構(gòu)處理后的第一子輸入圖像和第二子輸入圖像進(jìn)行疊加；
[0046]本實(shí)施例中，對(duì)平滑濾波后的輸入圖像進(jìn)行小波變換處理，具體來說，首先需確定經(jīng)過所述平滑濾波處理后的輸入圖像中的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，由于平滑濾波處理后已經(jīng)對(duì)背景結(jié)構(gòu)區(qū)域進(jìn)行了平滑，可以容易地確定出輸入圖像中的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域。進(jìn)而，采用小波變換算法，根據(jù)確定的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域?qū)λ鼋?jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割處理，得到與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像和與所述確定的背景結(jié)構(gòu)區(qū)域?qū)?yīng)的第二子輸入圖像。
[0047]本實(shí)施例中，可以根據(jù)實(shí)際使用需求，僅在宏觀上對(duì)病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域進(jìn)行分割，也可以進(jìn)行更細(xì)層次的分割。
[0048]進(jìn)而，采用小波逆變換算法，分別對(duì)所述第一子輸入圖像和所述第二子輸入圖像進(jìn)行重構(gòu)處理。通過分割和重構(gòu)處理過程，輸入圖像的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域明顯的區(qū)分開來。之后，對(duì)經(jīng)過所述重構(gòu)處理后的第一子輸入圖像和第二子輸入圖像進(jìn)行疊加，具體來說，以第二權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第一子輸入圖像，以第三權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第二子輸入圖像；以乘以所述第二權(quán)重系數(shù)后的第一子輸入圖像減去乘以所述第三權(quán)重系數(shù)后的第二子輸入圖像。
[0049]進(jìn)一步地，所述根據(jù)確定的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域?qū)λ鼋?jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割處理，得到與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像和與所述確定的背景結(jié)構(gòu)區(qū)域?qū)?yīng)的第二子輸入圖像之后，還包括:
[0050]根據(jù)不同病理特征，對(duì)與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像進(jìn)行分類劃分。
[0051]本實(shí)施例中，還可以根據(jù)病理特征的不同，比如腫瘤特征、鈣化點(diǎn)特征、腫塊大小等，對(duì)病變特征區(qū)域進(jìn)行進(jìn)一步的分類劃分，相應(yīng)的，重構(gòu)的過程針對(duì)分類后的各子特征區(qū)域，從而使得病變特征區(qū)域體現(xiàn)的病變特征更加明顯。
[0052]步驟209、將經(jīng)過所述小波變換處理后的輸入圖像與乘以所述第一權(quán)重系數(shù)的輸入圖像置加；
[0053]步驟210、對(duì)疊加后的輸入圖像進(jìn)行線性放大；
[0054]步驟211、輸出經(jīng)過所述線性放大后的輸入圖像。
[0055]最后，將小波變換重構(gòu)疊加后的輸入圖像與平滑濾波后的輸入圖像進(jìn)行疊加，并線性放大，得到輸出圖像。
[0056]本實(shí)施例中，采用傅里葉變換算法，對(duì)輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換，以對(duì)輸入圖像的形狀屬性進(jìn)行增強(qiáng)；對(duì)經(jīng)過形狀相似變換和旋轉(zhuǎn)變換后的輸入圖像進(jìn)行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結(jié)構(gòu)區(qū)域的特征細(xì)節(jié)，以便增強(qiáng)病變特征區(qū)域；對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割、分類、重構(gòu)的小波變換處理，通過合理地選擇各權(quán)重系數(shù)，可以選擇性增強(qiáng)輸入圖像中的病變特征區(qū)域，凸顯病變特征區(qū)域，提高圖像對(duì)比度，從而有利于提高醫(yī)生診斷準(zhǔn)確性。
[0057]圖3為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)設(shè)備實(shí)施例一的結(jié)構(gòu)示意圖，如圖3所示，該設(shè)備包括:
[0058]獲取模塊11，用于獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓；
[0059]傅里葉變換模塊12，用于采用傅里葉變換算法，對(duì)所述輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換；
[0060]平滑濾波模塊13，用于對(duì)經(jīng)過所述形狀相似變換后的輸入圖像進(jìn)行平滑濾波處理；
[0061]小波變換模塊14，用于對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理；
[0062]輸出模塊15,用于輸出經(jīng)過所述小波變換處理后的輸入圖像。
[0063]本實(shí)施例的設(shè)備可以用于執(zhí)行圖1所示方法實(shí)施例的技術(shù)方案，其實(shí)現(xiàn)原理和技術(shù)效果類似，此處不再贅述。
[0064]圖4為本發(fā)明醫(yī)學(xué)圖像增強(qiáng)設(shè)備實(shí)施例二的結(jié)構(gòu)示意圖，如圖4所示，該設(shè)備在圖3所示實(shí)施例的基礎(chǔ)上,還包括:
[0065]計(jì)算模塊21，用于以第一權(quán)重系數(shù)乘以經(jīng)過所述平滑濾波處理后的輸入圖像，以整體增強(qiáng)經(jīng)過所述平滑濾波處理后的輸入圖像；
[0066]相應(yīng)的，所述輸出模塊15，包括:
[0067]第一疊加單元151，用于將經(jīng)過所述小波變換處理后的輸入圖像與乘以所述第一權(quán)重系數(shù)的輸入圖像疊加；
[0068]線性放大單元152，用于對(duì)疊加后的輸入圖像進(jìn)行線性放大；
[0069]輸出單元153，用于輸出經(jīng)過所述線性放大后的輸入圖像。
[0070]進(jìn)一步地，所述小波變換模塊14，包括:
[0071]確定單元141，用于確定經(jīng)過所述平滑濾波處理后的輸入圖像中的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域；
[0072]分割單元142，用于采用小波變換算法，根據(jù)確定的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域?qū)λ鼋?jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割處理，得到與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像和與所述確定的背景結(jié)構(gòu)區(qū)域?qū)?yīng)的第二子輸入圖像；
[0073]重構(gòu)單元143，用于采用小波逆變換算法，分別對(duì)所述第一子輸入圖像和所述第二子輸入圖像進(jìn)行重構(gòu)處理；
[0074]第二疊加單元144，用于對(duì)經(jīng)過所述重構(gòu)處理后的第一子輸入圖像和第二子輸入圖像進(jìn)行疊加。
[0075]具體地，所述第二疊加單元144，具體用于:
[0076]以第二權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第一子輸入圖像，以第三權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第二子輸入圖像；
[0077]以乘以所述第二權(quán)重系數(shù)后的第一子輸入圖像減去乘以所述第三權(quán)重系數(shù)后的第二子輸入圖像。
[0078]進(jìn)一步地，所述小波變換模塊14還包括:
[0079]分類單元145，用于根據(jù)不同病理特征，對(duì)與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像進(jìn)行分類劃分。
[0080]本實(shí)施例的設(shè)備可以用于執(zhí)行圖2所示方法實(shí)施例的技術(shù)方案，其實(shí)現(xiàn)原理和技術(shù)效果類似，此處不再贅述。
[0081]本領(lǐng)域普通技術(shù)人員可以理解:實(shí)現(xiàn)上述方法實(shí)施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，執(zhí)行包括上述方法實(shí)施例的步驟；而前述的存儲(chǔ)介質(zhì)包括:R0M、RAM、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。
[0082]最后應(yīng)說明的是:以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。
【權(quán)利要求】
1.一種醫(yī)學(xué)圖像增強(qiáng)方法，其特征在于，包括: 獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓； 采用傅里葉變換算法，對(duì)所述輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換； 對(duì)經(jīng)過所述形狀相似變換和旋轉(zhuǎn)變換后的輸入圖像進(jìn)行平滑濾波處理； 對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理，以增強(qiáng)所述病變特征區(qū)域； 輸出經(jīng)過所述小波變換處理后的輸入圖像。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理之前，還包括: 以第一權(quán)重系數(shù)乘以經(jīng)過所述平滑濾波處理后的輸入圖像，以整體增強(qiáng)經(jīng)過所述平滑濾波處理后的輸入圖像； 相應(yīng)的，所述輸出經(jīng)過所述小波變換處理后的輸入圖像，包括: 將經(jīng)過所述小波變換處理后的輸入圖像與乘以所述第一權(quán)重系數(shù)的輸入圖像疊加； 對(duì)疊加后的輸入圖像進(jìn)行線性放大； 輸出經(jīng)過所述線性放大后的輸入圖像。
3.根據(jù)權(quán)利要求2所`述的方法，其特征在于，所述對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理，包括: 確定經(jīng)過所述平滑濾波處理后的輸入圖像中的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域； 采用小波變換算法，根據(jù)確定的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域?qū)λ鼋?jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割處理，得到與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像和與所述確定的背景結(jié)構(gòu)區(qū)域?qū)?yīng)的第二子輸入圖像； 采用小波逆變換算法，分別對(duì)所述第一子輸入圖像和所述第二子輸入圖像進(jìn)行重構(gòu)處理； 對(duì)經(jīng)過所述重構(gòu)處理后的第一子輸入圖像和第二子輸入圖像進(jìn)行疊加。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)經(jīng)過所述重構(gòu)處理后的第一子輸入圖像和第二子輸入圖像進(jìn)行疊加，包括: 以第二權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第一子輸入圖像，以第三權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第二子輸入圖像； 以乘以所述第二權(quán)重系數(shù)后的第一子輸入圖像減去乘以所述第三權(quán)重系數(shù)后的第二子輸入圖像。
5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述根據(jù)確定的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域?qū)λ鼋?jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割處理，得到與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像和與所述確定的背景結(jié)構(gòu)區(qū)域?qū)?yīng)的第二子輸入圖像之后，還包括: 根據(jù)不同病理特征，對(duì)與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像進(jìn)行分類劃分。
6.一種醫(yī)學(xué)圖像增強(qiáng)設(shè)備，其特征在于，包括: 獲取模塊，用于獲得輸入圖像，所述輸入圖像中包括病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域，所述病變特征區(qū)域的屬性特征包括形狀、紋理和輪廓； 傅里葉變換模塊，用于采用傅里葉變換算法，對(duì)所述輸入圖像進(jìn)行形狀的相似變換和旋轉(zhuǎn)變換； 平滑濾波模塊，用于對(duì)經(jīng)過所述形狀相似變換后的輸入圖像進(jìn)行平滑濾波處理； 小波變換模塊，用于對(duì)經(jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行小波變換處理； 輸出模塊，用于輸出經(jīng)過所述小波變換處理后的輸入圖像。
7.根據(jù)權(quán)利要求6所述的設(shè)備，其特征在于，還包括: 計(jì)算模塊，用于以第一權(quán)重系數(shù)乘以經(jīng)過所述平滑濾波處理后的輸入圖像，以整體增強(qiáng)經(jīng)過所述平滑濾波處理后的輸入圖像； 相應(yīng)的，所述輸出模塊，包括: 第一疊加單元，用于將經(jīng)過所述小波變換處理后的輸入圖像與乘以所述第一權(quán)重系數(shù)的輸入圖像疊加； 線性放大單元，用于對(duì)疊加后的輸入圖像進(jìn)行線性放大； 輸出單元，用于輸出經(jīng)過所述線性放大后的輸入圖像。
8.根據(jù)權(quán)利要求7所述的設(shè)備，其特征在于，所述小波變換模塊，包括: 確定單元，用于確定經(jīng)過所述平滑濾波處理后的輸入圖像中的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域；` 分割單元，用于采用小波變換算法，根據(jù)確定的病變特征區(qū)域和背景結(jié)構(gòu)區(qū)域?qū)λ鼋?jīng)過所述平滑濾波處理后的輸入圖像進(jìn)行分割處理，得到與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像和與所述確定的背景結(jié)構(gòu)區(qū)域?qū)?yīng)的第二子輸入圖像； 重構(gòu)單元，用于采用小波逆變換算法，分別對(duì)所述第一子輸入圖像和所述第二子輸入圖像進(jìn)行重構(gòu)處理； 第二疊加單元，用于對(duì)經(jīng)過所述重構(gòu)處理后的第一子輸入圖像和第二子輸入圖像進(jìn)行置加。
9.根據(jù)權(quán)利要求8所述的設(shè)備，其特征在于，所述第二疊加單元，具體用于: 以第二權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第一子輸入圖像，以第三權(quán)重系數(shù)乘以經(jīng)過所述重構(gòu)處理后的第二子輸入圖像； 以乘以所述第二權(quán)重系數(shù)后的第一子輸入圖像減去乘以所述第三權(quán)重系數(shù)后的第二子輸入圖像。
10.根據(jù)權(quán)利要求8或9所述的設(shè)備，其特征在于，所示小波變換模塊，還包括: 分類單元，用于根據(jù)不同病理特征，對(duì)與所述確定的病變特征區(qū)域?qū)?yīng)的第一子輸入圖像進(jìn)行分類劃分。
【文檔編號(hào)】A61B6/00GK103824265SQ201410081927
【公開日】2014年5月28日 申請(qǐng)日期:2014年3月7日 優(yōu)先權(quán)日:2014年3月7日
【發(fā)明者】宋曉東, 陳迺迪, 錢唯, 劉遠(yuǎn)明 申請(qǐng)人:杭州千思科技有限公司