1 Inleiding

In het dagelijks leven is de ruimte voor verbetering van de technologie noodzakelijk om de mensheid beter van dienst te kunnen zijn. Het wordt moeilijk om patiënten te diagnosticeren wegens de lage kwaliteit van de diagnostische beelden in bepaalde complexe procedures van beeldvorming die verkeerde informatie verstrekken. Het aantal sterfgevallen als gevolg van verkeerde diagnoses neemt volgens de laatste onderzoeken, die in gerenommeerde tijdschriften zijn gepubliceerd, elk jaar toe. Medische beeldvorming is een geavanceerde technologie om verschillende delen van het menselijk lichaam te diagnosticeren. In het algemeen worden de beelden die met verschillende apparatuur worden verkregen, tijdens de verwerking vervormd en wordt er ruis toegevoegd waardoor de beeldkwaliteit achteruit gaat. Daardoor wordt het moeilijk om de kriticiteit van de patiënt te analyseren, zodat er behoefte ontstaat aan een verbetering van de beelden. De verschillende medische beeldvormingstechnieken voor de analyse van menselijke delen zijn computertomografie (CT), Magnetic Resonance Imaging (MRI), Positron Emission Tomography (PET), röntgen, enz. Het lage contrast is het voornaamste probleem in medische beelden, waardoor de beeldkwaliteit verslechtert, en beeldverbetering van dergelijke beelden is noodzakelijk voor een juiste diagnose. De vroegere technieken voor beeldverbetering waren gebaseerd op het vervagen, filteren en verscherpen van de beeldkenmerken zoals randen, grenzen of contrast om het beeld geschikt te maken voor een betere analyse en op het verbeteren van de luminantiecomponent, die alleen de helderheid van het beeld verhoogt. De technieken voor grijsbeeldverbetering omvatten hoofdzakelijk conventionele methoden zoals histogram-equalisatie (HE), lokale histogram-equalisatie (LHE) en globale histogram-equalisatie (GHE). De belangrijkste beperkingen van deze technieken zijn echter onaangename visuele artefacten zoals overversterking, niveauverzadiging en een verhoogd ruisniveau. Om dit te verhelpen werden technieken als Brightness-Preserving Bihistogram Equalization (BBHE) en Dualistic Subimage Histogram Equalization (DSIHE) voorgesteld, die er niet in slaagden de impulsruis te verwijderen.

In het voorgestelde werk is de verbetering van zowel het kleuren- als het grijze medische beeld uitgevoerd. De verbetering van het kleurenbeeld omvat de toepassing van Adaptive Histogram Equalization (AHE) techniek op Saturation (S) en Value (V) componenten; Contrast Stretching techniek wordt toegepast om het totale dynamische bereik van de beelden te verbeteren en verder wordt luminantie component V verbeterd met behulp van adaptieve saturatie feedback. Bij de grijsbeeldverbeteringstechniek worden de randen aangescherpt met behulp van een Laplaciaans filter gevolgd door AHE, waardoor de nadelen van de conventionele methoden worden ondervangen. De laatste jaren is de groeiende trend om de gegevens van de patiënt op te nemen voor medische documentatie en onderzoeksanalyse. Het filteren van ruis of verbetering voldoet aan het hoofddoel van diagnose en helpt de artsen om de afwijking te bepalen.

De medische beeldverbetering omvat verschillende methoden zoals Stationaire Wavelet Transformatie, Geparameteriseerde Logaritmische Beeldverwerking (PLIP) Vermenigvuldiging, Adaptieve Drempel, Adaptieve Onscherpe Masking, Adaptieve Histogram Gelijkschakeling, Adaptieve Buurt Contrast Verbetering, Globaal Contrast Uitrekken, en Scherpe Contrast Beperkte Adaptieve Histogram Gelijkschakeling (SCLAHE) technieken. Gohshi stelde een nieuwe niet-lineaire signaalverwerkingsmethode voor die de hoge-frequentiecomponenten creëert, waardoor de resolutie van het wazige beeld wordt verbeterd. Het model is zeer eenvoudig te installeren in real-time videosystemen zoals gastrocopie camerasystemen. Raj Mohan en Thirugnanam stelden dualistische subbeeld histogram egalisatie-gebaseerde opwaardering en segmentatie technieken voor. De resultaten tonen aan dat de voorgestelde methode efficiënter is dan de hiërarchische groeperingstechniek. Sengee e.a. stelden een gewicht-clustering histogram egalisatie voor waarbij elke niet-nul bin van het histogram van een origineel beeld wordt toegewezen om een cluster te scheiden en het gewicht ervan te berekenen. Deze clustergetallen worden dan gereduceerd door drie voorstellende criteria en zullen naar verwachting dezelfde partities krijgen als het resulterende beeldhistogram. Tenslotte worden transformatiefuncties voor het subhistogram van elk cluster berekend en geanalyseerd op basis van de traditionele GHE methode in de nieuw verkregen partities van het resultaatbeeld histogram, en de subhistogram grijze niveaus worden toegewezen aan het resultaatbeeld door de respectieve transformatie functies.

Wang et al. voorgesteld een nieuwe histogram mapping methode, die gebruik maakt van een snelle lokale functie generatie mechanisme om een gecombineerde histogram, dat voxel’s lokale middelen en ook grijze niveaus vertegenwoordigt bouwen. De verschillende delen van dit gecombineerde histogram, die worden gescheiden door individuele pieken, worden onafhankelijk in de doel histogram schaal gemapt onder de beperking dat het uiteindelijke resulterende histogram zo uniform mogelijk moet blijven. Yu en Wang stelden een automatische globale contrastverbetering voor met behulp van variatieoptimalisatie. De energiefunctie wordt geformuleerd als een volledige combinatie van histogramvereffening en kwadratische regularisatie van de vervormingsbeperking. Het verwachte beeld grijs-niveau transformatie wordt verkregen door middel van mini-max optimalisatie proces, dat een generiek kader voor de oprichting van vervorming geregulariseerde histogram egalisatie mechanismen voor globale of ruimtelijk adaptieve contrastverbetering stelt.

Somasekar en Eswara Reddy stelde een efficiënt algoritme om de essentiële details van microscopische beelden van malaria-geïnfecteerd bloed met behulp van gamma egalisatie te behouden. Het hoofdthema van deze methode is om eerst het ingevoerde kleurenbloedbeeld om te zetten in grijswaarden en vervolgens de gammawaarde te berekenen voor het γ-ordebeeld van een grijsschaalbeeld. Vervolgens worden de Look-Up-Table (LUT) waarden berekend en worden de pixelintensiteitswaarden van het grijsschaalbeeld omgezet in LUT-waarden, die later eindresultaten van contrastverrijkt beeld geven door de essentiële details te behouden.

Moradi et al. stelden een methode voor ter verbetering van de kwaliteit van de beelden verkregen door een niet-invasief apparaat genaamd Wireless Capsule Endoscopy (WCE) door het verwijderen van ruis en contrastverbetering (RNCE) voor de identificatie van gastro-intestinale problemen. De parameters voor de beoordeling van de beeldkwaliteit, zoals SSIM (Structural Similarity Index), PSNR (Peak Signal-to-Noise Ratio) en ESSIM (Edge-Based Structural Similarity), lijken door deze techniek efficiënt te verbeteren, wat op zijn beurt betekent dat de kwaliteit van WCE-beelden door deze techniek efficiënt is verbeterd. Tiwari en Gupta stelden globale contrastverbetering voor met gammacorrectie gevolgd door homomorfe filtering voor beeldverscherping om de helderheid van medische beelden te behouden.

Het contrast van het beeld wordt verbeterd met behulp van singuliere waardedecompositie, dynamisch bereikverbetering, superresolutiemethoden die in Refs. worden voorgesteld. De Contrast-Limited Adaptive Histogram Equalization (CLAHE) met behulp van concepten van Least Mean Square (LMS) algoritme wordt uitgevoerd met behulp van homomorfe filter samen met de AHE, die betere resultaten opleveren . Verder worden de gemodificeerde histogram-gebaseerde contrast verbetering met behulp van homomorfe filter, top-hat transformatie, en anisotrope diffusie filters gebruikt in de medische beeldverbetering . Chaira stelde een nieuwe methode voor om de randen van het beeld te verbeteren met behulp van een intuïtionistische fuzzy set theoretische benadering; de randinformatie wordt verbeterd met behulp van een gerangschikt filter door berekening van de totale variatie tussen de pixels in het beeldvenster en de mediaan. Rui et al. stelden een hybride methode voor op basis van Anisotropic Diffusion (AD) voor spikkelonderdrukking en randverbetering. De denoising-eigenschappen van drie technieken – mediaanfiltering, verbeterde AD-filtering en isotrope diffusiefiltering – werden gebruikt.

Hossain et al. stelden een niet-lineaire beeldverbeteringstechniek in het transform-domein voor door histogramgelijkmaking van de transformatiecoëfficiënt met gebruikmaking van Measure of Enhancement (EME) als een maatstaf voor de prestaties om het beeld te verbeteren. De verwerking van beelden omvat globale dynamisch bereik correctie en lokale contrast verbetering. Wen e.a. stelden een algoritme voor beeldverbetering voor röntgenbeelden met lage helderheid, laag contrast en ruis voor, gebaseerd op homomorfe filtering in het waveldomein en contrastgelimiteerde adaptieve histogramvereffening. In eerste instantie wordt het beeld ontleed door wavelet transformatie in lage-frequentie en hoge-frequentie coëfficiënten van de eerste laag wavelet domein. De lage-frequentie coëfficiënten worden verwerkt door een verbeterd homomorfisch filter en vervolgens lineair versterkt, en op dezelfde wijze worden de hoge-frequentie coëfficiënten verwerkt met behulp van wavelet drempel krimping en vervolgens wordt de wavelet reconstructie uitgevoerd. Tenslotte wordt de contrast-beperkte adaptieve histogram egalisatie toegepast om het histogram van het beeld te wijzigen om de verwerking te voltooien. Deze techniek is nuttig bij het verbeteren van de helderheid en het contrast en bij het verminderen van ruis, beter dan traditionele verbeteringsalgoritmen.

Jindal et al. stelden een nieuwe techniek voor biomedische beeldverbetering voor die de kwaliteit van beelden verbetert. De techniek bestaat hoofdzakelijk uit methoden zoals randdetectie, afvlakking, power law transform en high boost filter. Deze techniek wordt vooral toegepast op donkere medische beelden en het resultaat wordt geverifieerd door de entropie bij verschillende gammawaarden te vergelijken; bij de verdere verificatie wordt ook gebruik gemaakt van menselijke visualisatie. Deze techniek levert een betere kwaliteit, waardoor ze geschikt is voor de voorbewerking van medische beeldapplicaties.