1 Introduktion

I det dagliga livet är det nödvändigt att förbättra tekniken för att ge mänskligheten bättre service. Det blir svårt att diagnostisera patienter på grund av låg kvalitet på de diagnostiska bilderna i vissa komplexa förfaranden för bildbehandling som ger felaktig information. Antalet dödsfall till följd av felaktiga diagnoser ökar varje år enligt de senaste undersökningarna som publicerats i välrenommerade tidskrifter. Medicinsk bildbehandling är en avancerad teknik för att diagnostisera olika delar av människokroppen. När bilderna som erhålls med hjälp av olika utrustningar bearbetas blir de i allmänhet förvrängda, och bruset läggs till, vilket försämrar bildkvaliteten. Därför blir det svårt att analysera patientens kritiska tillstånd, vilket leder till krav på förbättring av bilderna. De olika medicinska avbildningsteknikerna för analys av mänskliga delar är datortomografi (CT), magnetisk resonanstomografi (MRI), positronemissionstomografi (PET), röntgen osv. Låg kontrast är det största problemet i medicinska bilder, vilket försämrar bildkvaliteten, och bildförbättring av sådana bilder är ett måste för en korrekt diagnos. De tidigare arbetena med förbättringstekniker baserades på att avdramatisera, filtrera och skärpa bildfunktioner som kanter, gränser eller kontrast för att göra bilden lämplig för bättre analys och förbättra luminanskomponenten, vilket bara ökar bildens ljusstyrka. Teknikerna för förbättring av gråbilder omfattar huvudsakligen konventionella metoder som histogramutjämning (HE), lokal histogramutjämning (LHE) och global histogramutjämning (GHE). De främsta begränsningarna med dessa tekniker är dock obehagliga visuella artefakter som överförstärkning, nivåmättnad och förhöjd brusnivå. För att övervinna dessa föreslogs tekniker som Brightness-Preserving Bihistogram Equalization (BBHE) och Dualistic Subimage Histogram Equalization (DSIHE), som misslyckades med att avlägsna impulsljudet.

I det föreslagna arbetet har förbättring av både färg- och grå medicinsk bild utförts. Förbättringen av färgbilden innebär tillämpning av Adaptive Histogram Equalization (AHE) teknik för mättnad (S) och värde (V) komponenter; Contrast Stretching teknik tillämpas för att förbättra det totala dynamiska omfånget av bilderna och ytterligare luminans komponent V förbättras med hjälp av adaptiv mättnad återkoppling. I tekniken för förbättring av gråbilder erhålls en skärpning av kanterna med hjälp av Laplacian-filter följt av AHE som övervinner nackdelarna med de konventionella metoderna. Under de senaste åren har det blivit allt vanligare att registrera patientdata för medicinsk dokumentation och forskningsanalys. Filtrering av brus eller förstärkning uppfyller huvudsyftet med diagnosen och hjälper läkarna att avgöra vad som är onormalt.

Den medicinska bildförbättringen inbegriper olika metoder som stationär wavelet-transform, parameteriserad logaritmisk bildbehandlingsmultiplikation (PLIP), adaptiv tröskel, adaptiv oskarp maskering, adaptiv histogramutjämning, adaptiv grannskapskontrastförbättring, global kontrastutvidgning och tekniker för skarp kontrastbegränsad adaptiv histogramutjämning (SCLAHE). Gohshi föreslog en ny icke-linjär signalbehandlingsmetod som skapar högfrekventa komponenter och därigenom förbättrar upplösningen av den suddiga bilden. Modellen är mycket enkel att installera i videosystem i realtid, t.ex. gastrokopiska kamerasystem. Raj Mohan och Thirugnanam föreslog dualistiska histogramutjämningsbaserade förbättrings- och segmenteringstekniker för delbilder. Resultaten visar att den föreslagna metoden är effektivare än den hierarkiska grupperingstekniken. Sengee et al. föreslog viktklustering av histogramutjämning där man tilldelar varje bin som inte är noll i originalbildens histogram för att separera ett kluster och beräkna dess vikt. Dessa klusterantal reduceras sedan med tre kriterier och förväntas få samma partitioner som det resulterande bildhistogrammet. Slutligen beräknas och analyseras transformationsfunktioner för varje klusters subhistogram baserat på den traditionella GHE-metoden i de nya erhållna partitioner av resultatbildens histogram, och subhistogrammens grånivåer mappas till den resulterande bilden genom respektive transformationsfunktioner.

Wang et al. föreslog en ny histogrammappningsmetod, som använder en snabb mekanism för generering av lokala egenskaper för att bygga upp ett kombinerat histogram, som representerar voxelns lokala medelvärden och även grånivåer. De olika delarna av detta kombinerade histogram, som är separerade av individuella toppar, mappas oberoende av varandra till en målhistogramskala med begränsningen att det slutliga histogrammet måste förbli så enhetligt som möjligt. Yu och Wang föreslog en automatisk global kontrastförbättring med hjälp av variationsoptimering. Energifunktionen är formulerad som en fullständig kombination av histogramutjämning och reglering av kvadratisk distorsionsbegränsning. Den förväntade bildgrånivåtransformationen förvärvas genom en mini-max optimeringsprocess, som fastställer ett generiskt ramverk för att upprätta mekanismer för distorsionsreglerad histogramutjämning för global eller rumsligt adaptiv kontrastförbättring.

Somasekar och Eswara Reddy föreslog en effektiv algoritm för att bevara de väsentliga detaljerna i mikroskopiska bilder av malariainfekterat blod med hjälp av gammautjämning. Huvudtemat för denna metod är att inledningsvis omvandla den inmatade färgblodbilden till gråskala och sedan beräkna intervallvärdet för γ-ordningsbilden av en gråskalebild. Look-Up-Table (LUT)-värdena beräknas sedan och gråskalsbildens pixelintensitetsvärden omvandlas till LUT-värden, vilket senare ger slutresultat av kontrastförstärkt bild genom att bevara de väsentliga detaljerna.

Moradi et al. föreslog en metod för att förbättra kvaliteten på bilderna som erhålls av en icke-invasiv anordning som kallas trådlös kapselendoskopi (WCE) genom att avlägsna brus och kontrastförbättring (RNCE) för identifiering av gastrointestinala problem. Parametrarna för bedömning av bildkvaliteten, såsom Structural Similarity Index (SSIM), Peak Signal-to-Noise Ratio (PSNR) och Edge-Based Structural Similarity (ESSIM) tycks förbättras effektivt genom denna teknik, vilket i sin tur innebär att kvaliteten på WCE-bilderna har förbättrats effektivt genom denna teknik. Tiwari och Gupta föreslog global kontrastförbättring med hjälp av gammakorrigering följt av homomorf filtrering för skärpning av bilder för att bevara ljusstyrkan i medicinska bilder.

Bildkontrasten förbättras med hjälp av singulärvärdesdekomposition, dynamikområdesförbättring och superupplösningsmetoder som föreslås i Refs. Den kontrastbegränsade adaptiva histogramutjämningen (CLAHE) med hjälp av konceptet Least Mean Square (LMS)-algoritmen implementeras med homomorft filter tillsammans med AHE, vilket ger bättre resultat . Vidare används den modifierade histogrambaserade kontrastförbättringen med homomorft filter, top-hat-transform och anisotropa diffusionsfilter i medicinsk bildförbättring . Chaira föreslog en ny metod för att förbättra bildens kanter med hjälp av intuitiv fuzzy set teoretic approach; kantinformationen förbättras med hjälp av ett rangordnat filter genom att beräkna den totala variationen mellan pixlarna i bildfönstret och medianen. Rui et al. föreslog en hybridmetod baserad på anisotropisk diffusion (AD) för att undertrycka fläckar och förstärka kanter. Tre teknikers denoising-egenskaper – medianfiltrering, förbättrad AD-filtrering och isotropisk diffusionsfiltrering – användes.

Hossain et al. föreslog en icke-linjär bildförbättringsteknik i transformationsdomänen med hjälp av histogramutjämning av transformkoefficienter som använder Measure of Enhancement (EME) som ett mått på prestanda för att förbättra bilden. Behandlingen av bilderna omfattar korrigering av det globala dynamiska området och lokal kontrastförbättring. Wen et al. föreslog en bildförbättringsalgoritm för röntgenbilder med låg ljusstyrka, låg kontrast och brus baserat på homomorf filtrering i waveletdomänen och kontrastbegränsad adaptiv histogramutjämning. Inledningsvis dekomponeras bilden genom wavelettransformation i lågfrekventa och högfrekventa koefficienter i det första skiktets waveletdomän. Lågfrekvenskoefficienterna behandlas av ett förbättrat homomorft filter och förstärks sedan linjärt, och på samma sätt behandlas högfrekvenskoefficienterna med hjälp av tröskelkrympning av wavelet och sedan utförs waveletrekonstruktionen. Slutligen används kontrastbegränsad adaptiv histogramutjämning för att ändra bildens histogram för att slutföra behandlingen. Denna teknik hjälper till att förbättra ljusstyrka och kontrast, minska brus bättre än traditionella förbättringsalgoritmer.

Jindal et al. föreslog en ny teknik för biomedicinsk bildförbättring som förbättrar kvaliteten på bilderna. Tekniken omfattar huvudsakligen metoder som kantdetektering, utjämning, power law transform och high boost filter. Tekniken tillämpas främst på mörka medicinska bilder och resultatet verifieras genom att jämföra entropin vid olika gammavärden; ytterligare verifiering inbegriper även mänsklig visualisering. Denna teknik ger en bättre kvalitet, vilket gör den lämplig för förbehandling av medicinska bildtillämpningar.