1 Introduktion

I det daglige liv er det nødvendigt at forbedre teknologien for at kunne yde bedre service til menneskeheden. Det bliver vanskeligt at diagnosticere patienter på grund af lav kvalitet af de diagnostiske billeder i visse komplekse billeddannelsesprocedurer, som giver forkerte oplysninger. Antallet af dødsfald som følge af forkerte diagnoser stiger hvert år ifølge de seneste undersøgelser, der er offentliggjort i anerkendte tidsskrifter. Medicinsk billeddannelse er en avanceret teknologi til at diagnosticere forskellige dele af menneskekroppen. Under behandlingen af de billeder, der opnås ved hjælp af forskelligt udstyr, opstår der normalt forvrængning og støj, hvorved billedkvaliteten forringes. Det bliver derfor vanskeligt at analysere patientens kritiske tilstand, hvilket fører til et krav om forbedring af billederne. De forskellige medicinske billeddannelsesteknikker til analyse af menneskelige dele er computertomografi (CT), magnetisk resonansbilleddannelse (MRI), positronemissionstomografi (PET), røntgen osv. Den lave kontrast er det største problem i medicinske billeder, hvilket forringer billedkvaliteten, og billedforbedring af sådanne billeder er nødvendig for at kunne stille en korrekt diagnose. De tidligere forbedringsmetoder var baseret på at fjerne sløring, filtrere og skærpe billedfunktioner som f.eks. kanter, grænser eller kontrast for at gøre billedet egnet til bedre analyse og forbedre luminanskomponenten, hvilket kun øger billedets lysstyrke. Teknikkerne til forbedring af gråbilleder omfatter hovedsagelig konventionelle metoder som histogramudligning (HE), lokal histogramudligning (LHE) og global histogramudligning (GHE). De vigtigste begrænsninger ved disse teknikker er imidlertid ubehagelige visuelle artefakter som f.eks. overforbedring, mætning af niveauet og forhøjet støjniveau. For at overvinde disse blev teknikker som Brightness-Preserving Bihistogram Equalization (BBHE) og Dualistic Subimage Histogram Equalization (DSIHE) foreslået, som ikke formåede at fjerne impulsstøjen.

I det foreslåede arbejde er der udført forbedring af både farve og grå medicinsk billede. Forbedringen af farvebilledet indebærer anvendelse af Adaptive Histogram Equalization (AHE) teknik til Saturation (S) og Value (V) komponenter; Contrast Stretching teknik anvendes til at forbedre det samlede dynamiske område af billederne og yderligere luminans komponent V er forbedret ved hjælp af adaptive saturation feedback. I teknikken til forbedring af gråbilleder opnås en skærpelse af kanterne ved hjælp af Laplacian-filter efterfulgt af AHE, der overvinder ulemperne ved de konventionelle metoder. I de seneste år er der en stigende tendens til at registrere patientdata med henblik på medicinsk dokumentation og forskningsanalyse. Filtrering af støj eller forstærkning opfylder hovedformålet med diagnosen og hjælper lægerne med at afgøre, om der er tale om en abnormitet.

Den medicinske billedforbedring involverer forskellige metoder såsom Stationær Wavelet Transform, Parameterized Logarithmic Image Processing (PLIP) Multiplication, Adaptive Threshold, Adaptive Unsharp Masking, Adaptive Histogram Equalization, Adaptive Neighborhood Contrast Enhancement, Global Contrast Stretching og Sharp Contrast-Limited Adaptive Histogram Equalization (SCLAHE)-teknikker. Gohshi foreslog en ny ikke-lineær signalbehandlingsmetode, der skaber højfrekvenskomponenterne og derved forbedrer opløsningen af det slørede billede. Modellen er meget enkel at installere i realtidsvideosystemer som f.eks. gastroskopikamerasystemer. Raj Mohan og Thirugnanam foreslog dualistiske histogramudligningsbaserede forbedrings- og segmenteringsteknikker baseret på dualistiske delbilleder. Resultaterne viser, at den foreslåede metode er mere effektiv end den hierarkiske grupperingsteknik. Sengee et al. foreslog vægt-klynge histogramudligning, hvor den tildeler hver bin, der ikke er nul i et originalt billeds histogram, til at adskille en klynge og beregne dens vægt. Disse klyngetal reduceres derefter ved hjælp af tre foreslåede kriterier og forventes at få de samme partitioner som det resulterende billedhistogram. Endelig beregnes og analyseres transformationsfunktioner for hver klynges subhistogram baseret på den traditionelle GHE-metode i de nye opnåede partitioner af resultatbilledhistogrammet, og subhistogrammets gråniveauer afbildes til det resulterende billede ved hjælp af de respektive transformationsfunktioner.

Wang et al. foreslog en ny histogramafbildningsmetode, som anvender en hurtig mekanisme til generering af lokale egenskaber til at opbygge et kombineret histogram, som repræsenterer voxels lokale middelværdier og også gråniveauer. De forskellige dele af dette kombinerede histogram, som er adskilt af individuelle toppe, afbildes uafhængigt af hinanden i målhistogramskalaen under den begrænsning, at det endelige resulterende histogram skal forblive så ensartet som muligt. Yu og Wang har foreslået en automatisk global kontrastforbedring ved hjælp af variationsoptimering. Energifunktionen er formuleret som en komplet kombination af histogramudligning og regulering af kvadratisk forvrængningsbegrænsning. Den forventede transformation af billedets gråniveau opnås gennem en mini-max optimeringsproces, som opstiller en generisk ramme for etablering af forvrængningsregulerede histogramudligningsmekanismer til global eller rumligt adaptiv kontrastforbedring.

Somasekar og Eswara Reddy foreslog en effektiv algoritme til bevarelse af de væsentlige detaljer i mikroskopiske billeder af malariainficeret blod ved hjælp af gammaudligning. Hovedtemaet i denne metode er i første omgang at konvertere det indgående farveblodbillede til gråskala og derefter beregne rækkeviddeværdien for γth-ordningsbilledet af et gråskala-billede. Look-Up-Table (LUT)-værdierne beregnes derefter, og gråskala-billedets pixelintensitetsværdier konverteres til LUT-værdier, som senere giver endelige resultater af kontrastforstærket billede ved at bevare de væsentlige detaljer.

Moradi et al. foreslog en metode til forbedring af kvaliteten af de billeder, der er opnået af en ikke-invasiv enhed kaldet Wireless Capsule Endoscopy (WCE) ved at fjerne støj og kontrastforbedring (RNCE) til identifikation af gastrointestinale problemer. Billedkvalitetsvurderingsparametre som f.eks. strukturel lighedsindeks (SSIM), peak signal-til-støj-forhold (PSNR) og kantbaseret strukturel lighed (ESSIM) synes at blive forbedret effektivt ved hjælp af denne teknik, hvilket igen betyder, at kvaliteten af WCE-billederne er blevet forbedret effektivt ved hjælp af denne teknik. Tiwari og Gupta foreslog global kontrastforbedring ved hjælp af gammakorrektion efterfulgt af homomorphisk filtrering til billedforstærkning med henblik på at bevare lysstyrken i medicinske billeder.

Billedets kontrast forbedres ved hjælp af singulærværdi-dekomposition, dynamisk områdeforbedring, superopløsningsmetoder foreslået i Refs. Den kontrastbegrænsede adaptive histogramudligning (CLAHE) ved hjælp af koncepter af Least Mean Square (LMS)-algoritmen implementeres ved hjælp af homomorfisk filter sammen med AHE, hvilket giver bedre resultater . Endvidere anvendes den modificerede histogrambaserede kontrastforbedring ved hjælp af homomorft filter, top-hat-transformation og anisotropiske diffusionsfiltre i medicinsk billedforbedring . Chaira foreslog en ny metode til forbedring af billedets kanter ved hjælp af intuitionistisk fuzzy sætteoretisk tilgang; kantinformationen forbedres ved hjælp af et rangordnet filter ved at beregne en samlet variation mellem pixelerne i billedvinduet og medianen. Rui et al. har foreslået en hybridmetode baseret på anisotropisk diffusion (AD) til undertrykkelse af pletter og forbedring af kanter. Der blev anvendt denoising-egenskaber af tre teknikker-medianfiltrering, forbedret AD-filtrering og isotropisk diffusionsfiltrering.

Hossain et al. foreslog en ikke-lineær billedforbedringsteknik i transformationsdomænet ved hjælp af transformkoefficienthistogramudligning ved hjælp af Measure of Enhancement (EME) som et mål for ydeevne til forbedring af billedet. Behandlingen af billeder omfatter global dynamisk område korrektion og lokal kontrastforbedring. Wen et al. foreslog en billedforbedringsalgoritme for røntgenbilleder med lav lysstyrke, lav kontrast og støj baseret på homomorphisk filtrering i wavelet-domænet og kontrastbegrænset adaptiv histogramudligning. Indledningsvis dekomponeres billedet ved hjælp af wavelet-transformation i lavfrekvente og højfrekvente koefficienter i første lag wavelet-domæne. Lavfrekvenskoefficienterne behandles med et forbedret homomorfisk filter og forstærkes derefter lineært, og på samme måde behandles højfrekvenskoefficienterne ved hjælp af wavelet tærskelkrympning, hvorefter der foretages waveletrekonstruktion. Endelig anvendes den kontrastbegrænsede adaptive histogramudligning til at ændre billedets histogram for at afslutte behandlingen. Denne teknik er nyttig til forbedring af lysstyrke og kontrast, reduktion af støj bedre end traditionelle forbedringsalgoritmer.

Jindal et al. foreslog en ny teknik til biomedicinsk billedforbedring, der forbedrer kvaliteten af billeder. Teknikken omfatter hovedsageligt metoder som kantdetektion, udglatning, power law-transformation og high boost-filter. Denne teknik anvendes hovedsagelig på mørke medicinske billeder, og resultatet verificeres ved at sammenligne entropien ved forskellige gammaværdier; yderligere verifikation omfatter også menneskelig visualisering. Denne teknik giver en bedre kvalitet, hvilket gør den velegnet til forbehandling af medicinske billedapplikationer.