1 はじめに

日々の生活の中で、人類により良いサービスを提供するためには、技術の向上が必要です。 画像診断の複雑な手順では、診断画像の品質が低く、間違った情報を提供するため、患者の診断が難しくなります。 また、診断ミスによる死亡者数は年々増加していることが、有名雑誌に掲載された最新の調査により明らかになっています。 医用画像は、人体の様々な部位を診断するための高度な技術です。 一般的に、様々な機器を使用して得られた画像は、処理中に歪みが生じたり、ノイズが加算されたりして画質が劣化します。 そのため、患者の状態を正確に把握することが難しくなり、画像補正の必要性が生じてきます。 人体部位の解析には、CT（コンピュータ断層撮影）、MRI（磁気共鳴画像）、PET（陽電子放射断層撮影）、X線など、さまざまな医用画像診断技術があります。 医用画像では，低コントラストが画質を劣化させる主な問題であり，適切な診断のためには，このような画像の画像強調が必要である。 これまでの画像強調技術は、エッジ、境界、コントラストなどの画像特徴をより解析しやすくするために、ぼかしやフィルタリング、鮮鋭化を行うもので、画像の明るさを増すだけの輝度成分強調が主流でした。 グレー画像補正の技術には、主にヒストグラム等化（HE）、ローカルヒストグラム等化（LHE）、グローバルヒストグラム等化（GHE）といった従来の方法がある。 しかし、これらの手法の主な制限は、過度な強調、レベルの飽和、ノイズレベルの上昇などの不快な視覚的アーチファクトです。 このため，明るさ保持Bihistogram Equalization（BBHE）やDualistic Subimage Histogram Equalization（DSIHE）などの技術が提案されているが，これらはインパルスノイズを除去することができない． カラー画像強調では、彩度（S）と明度（V）成分に適応的ヒストグラム等化（AHE）技術を適用し、コントラストストレッチ技術を適用して画像全体のダイナミックレンジを改善し、さらに適応的彩度フィードバックを使用して明度成分Vを強調する。 グレー画像強調技術では、ラプラシアンフィルタに続いてAHEを使用してエッジをシャープにすることで、従来の方法の欠点を克服しています。 近年、医療文書や研究分析のために患者のデータを記録する傾向が強まっている。 ノイズやエンハンスメントのフィルタリングは、診断の主目的を満たし、医師が異常を判断するのを助ける。

医用画像補正には、静止ウェーブレット変換、パラメータ化対数画像処理（PLIP）乗算、適応閾値、適応アンシャープマスキング、適応ヒストグラム等化、適応近傍コントラスト強調、グローバルコントラスト伸張、シャープコントラスト限定適応ヒストグラム等化（SCLAHE）などの手法がある。 Gohshiは、高周波成分を生成することで、ぼやけた画像の解像度を向上させる新しい非線形信号処理法を提案しました。 このモデルは，胃カメラシステムなどのリアルタイムビデオシステムに搭載することができる非常にシンプルなものである． Raj Mohan と Thirugnanam は，二元的な部分画像ヒストグラム等化に基づく強調とセグメンテーションの技術を提案した． その結果，提案手法は，階層的なグループ化手法よりも効率的であることが示された． Sengeeらは、原画像のヒストグラムの各非ゼロビンをクラスタの分離に割り当て、その重みを計算する、重みクラスタリングヒストグラム均等化を提案しました。 これらのクラスタ数は、次に3つの示唆する基準によって削減され、結果として画像ヒストグラムと同じパーティションを獲得することが期待されます。 最後に、各クラスタのサブヒストグラムの変換関数が計算され、結果画像ヒストグラムの新しい得られたパーティションで従来のGHE法に基づいて分析され、サブヒストグラムのグレーレベルがそれぞれの変換関数によって結果画像にマッピングされる。

Wang らは、ボクセルの局所平均とグレーレベルを表す複合ヒストグラムを構築する高速局所特徴生成メカニズムを使用した新しいヒストグラムマッピング方法を提案している。 この結合ヒストグラムの様々な部分は、個々のピークによって分離されており、最終的な結果のヒストグラムは可能な限り均一でなければならないという制約のもと、目標ヒストグラム・スケールに独立してマッピングされる。 YuとWangは、変動最適化を用いた自動グローバルコントラスト強調を提案しました。 エネルギー関数は、ヒストグラム均等化と二次歪み制約正則化の完全な組み合わせとして定式化されています。 期待される画像のグレーレベル変換は、ミニマックス最適化プロセスを通じて取得され、グローバルまたは空間適応的なコントラスト強調のための歪み正則化ヒストグラム等化メカニズムを確立するための汎用フレームワークを設定する。

Somasekar and Eswara Reddyは、ガンマ等化を用いてマラリアに感染した血液の顕微鏡画像から必要な詳細を保持するための効率的アルゴリズムを提案している。 この方法の主要テーマは、まず入力されたカラー血液画像をグレースケールに変換し、次にグレースケール画像のγ次画像の範囲値を計算することである。 その後、Look-Up-Table（LUT）値を計算し、グレースケール画像の画素強度値をLUT値に変換し、後に本質的な詳細を保持することによってコントラスト強調画像の最終結果を与える。

Moradi et alは、胃腸の問題の識別のためにノイズ除去およびコントラスト強調（RNCE）により無線カプセル内視鏡（WCE）という非侵襲デバイスで得られた画像の品質を向上する方法を提案している。 構造類似度指数（SSIM）、ピーク信号対雑音比（PSNR）、エッジベース構造類似度（ESSIM）などの画質評価パラメータは、この技術を通じて、WCE画像の品質が効率的に改善されているようであることを意味しています。 Tiwari and Guptaは、医用画像の明るさを保持するために、ガンマ補正に続いて画像を鮮鋭化するホモモーフィックフィルタリングを用いたグローバルコントラスト強調を提案している

画像のコントラストは、文献に提案されている特異値分解、ダイナミックレンジ強調、超解像手法を使用して強調されている。 また，LMS（Least Mean Square）アルゴリズムの概念を用いたCLAHE（Contrast-Limited Adaptive Histogram Equalization）をAHEとともに同型フィルタを用いて実装し，より良い結果を得ている． さらに，ホモモルフィック・フィルタ，トップハット変換，異方性拡散フィルタを用いた修正ヒストグラムベース・コントラスト強調は，医用画像強調に用いられている． Chairaは，直観的ファジー集合論的アプローチを用いて画像のエッジを強調する新しい方法を提案した．エッジ情報は，画像ウィンドウ内のピクセルと中央値との間の総変動を計算することにより，順位付けされたフィルタを用いて強調される． Ruiらは，スペックル抑制とエッジ強調のために，異方性拡散（AD）に基づくハイブリッド法を提案した．

Hossain らは，画像強調の性能指標として Measure of Enhancement (EME) を用い，変換係数ヒストグラム等化による変換領域での非線形画像強調手法を提案している． 画像の処理には，グローバルダイナミックレンジ補正と局所的なコントラスト強調が含まれる． Wenらは，ウェーブレット領域ホモモーフィックフィルタリングとコントラスト限定適応型ヒストグラム等化に基づく，低輝度・低コントラスト・ノイズのX線画像に対する画像強調アルゴリズムを提案している． まず，画像はウェーブレット変換により，第1層のウェーブレット領域の低周波係数と高周波係数に分解される． 低周波係数は改良型ホモモルフィック・フィルタによって処理された後、線形増幅され、同様に高周波係数はウェーブレット閾値収縮を用いて処理された後、ウェーブレット再構成が実行される。 最後に、コントラスト制限適応型ヒストグラム等化を適用して、画像のヒストグラムを修正し、処理を完了します。 この技術は、従来の強調アルゴリズムよりも、明るさとコントラストを高め、ノイズを低減するのに有用である。 この技術は主に、エッジ検出、スムージング、電力線変換、高ブーストフィルタなどの手法で構成されている。 この技術は主に暗い医用画像に適用され、結果は異なるガンマ値でのエントロピーを比較することで検証される。さらなる検証には、人間による視覚化も含まれる。 この技術はより良い品質を提供するため、医療画像アプリケーションの前処理に適している

。