Ανάλυση και επεξεργασία εικόνων: τεχνικές για την βελτίωση αντίθεσης ιατρικών εικόνων

Abstract

Η ιατρική απεικόνιση ειναι η τεχνική και η διαδικασία που χρησιμοποιείται για να δημιουργήσει εικόνες του ανθρώπινου σώματος, για κλινικούς σκοπούς. Πολλές εικόνες, όπως είναι οι ιατρικές, υποφέρουν από κακή αντίθεση. Στα πλαίσια της παρούσας εργασίας παρουσιαζόνται κάποιες τεχνικές για την βελτίωση της αντίθεσης. Το ιστόγραμμα ισοστάθμισης (ΗΕ) ειναι μια δημοφιλής τεχνική για την ενίσχυση της αντίθεσης με βασική ιδέα τη χαρτογράφηση των επιπέδων του γκρίζου. Η χαμηλή απόδοση της τεχνικής αυτής, επέφερε μια πιο εξελιγμένη τεχνική αναβάθμισης που είναι το προσαρμοστικό ιστόγραμμα ισοστάθμισης (AHE). Η ΑΗΕ υπολογίζει πολλά ιστογράμματα για να ανακατανείμει τις τιμές φωτεινότητας της εικόνας, με αποτέλεσμα τη βελτίωση της τοπικής αντίθεσης με περισσότερες λεπτομέρειες. Λόγω της βραδύτητάς της και της τάσης της να υπερενισχύει το θόρυβο, αναπτύχθηκαν δυο παραλλαγές το Γρήγορο Προσαρμοστικό Ιστόγραμμα Ισοστάθμισης (FAHE) και η περιορισμένη κατά αντίθεση προσαρμοστική ισοστάθμιση ιστογράμματος (CLAHE) αντίστοιχα. Άλλες τεχνικές για την ενίσχυση αντίθεσης χρησιμοποιούν συγκεκριμένες συναρτήσεις μεταφοράς, όπως η σιγμοειδής και η προσαρμοστική ενίσχυση αντίθεσης. Στη συνέχεια, η ανάγκη για καλυτέρευση της ποιότητας των ιατρικών εικόνων λόγω πολυπλοκότητάς τους (π.χ. έντονες ακμές), οδήγησε σε μεθόδους πολλαπλών κλιμάκων που εφαρμόστηκαν στην ενίσχυση της αντίθεσης των ιατρικών εικόνων. Δυο τύποι των μεθόδων αυτών αναφέρονται στην παρούσα εργασία, η Λαπλασιανή πυραμίδα και οι μέθοδοι κυματιδίων (wavelet). Παράλληλα με αυτές τις τεχνικές, παρουσιάζονται και τεχνικές γραμμικής και μη γραμμικής ενίσχυσης της αντίθεσης όπου σε συνδυασμό με τη μέθοδο των κυματιδίων επιφέρουν βελτίωση της αντίθεσης της εικόνας και μείωση του θορύβου. Τέλος, γίνεται σύγκριση της Λαπλασιανής Πυραμίδας με το μετασχηματισμό wavelet όπου, όπως παρατηρήθηκε, η Λαπλασιανή Πυραμίδα φαίνεται να είναι η καλύτερη επιλογή.

Medical imaging is the technique and the process used to create images of the human body for clinical purposes. Many images, such as medical images, suffer from poor contrast. The present diploma thesis presents some contrast enhancement techniques. Histogram equalization (HE) is a popular technique for contrast enhancement whose basic concept is the mapping of gray levels. The low efficiency of this technique resulted in a more advanced enhancement technique that is adaptive histogram equalization (AHE). AHE computes several histograms and redistributes the brightness values of the image resulting in the improvement of local contrast. Due to AHE’s slowness and its tendency to hyperstrengthens the noise, two variations, the fast adaptive histogram equalization (FAHE) and contrast limited adaptive histogram equalization (CLAHE), were developed. Other contrast enhancement techniques use specific transfer functions, such as the sigmoid and adaptive contrast enhancement. Subsequently, the need for improving the quality of medical images because of their complexity (eg sharp edges), led to multiple-scale methods, which were applied in order to enhance the contrast of medical images. Two types of these methods are mentioned in this diploma thesis, the Laplacian pyramid and wavelet methods. In addition to these techniques, techniques such as linear and non-linear contrast enhancement are presented, that in conjunction with the wavelet method led to improved image contrast and noise reduction. Finally, a comparison between the Laplacian pyramid and the wavelet transform is presented, resulting in the superiority of the Laplacian Pyramid.