基于滑动权值经验模式分解的医学图像增强研究

摘要

医学影像设备由于外在和内在因素的影响,所成图像对比度较低.运用小波、超小波增强算法,由于基函数需预先设定,无法自适应分析局部特性,导致增强后图像引入较大的噪声,图像细节出现畸变.二维经验模式分解(BEMD)可以数据自驱动分析局部数据;但由于插值算法或极值的影响,分解分量存在斑块或斑点的缺陷,影响后续处理.针对这种情况,提出了运用随局部数据自适应调整的滑动权值函数的滑动权值经验模式分解(SWEMD),解决了BEMD的缺陷.将SWEMD引入医学图像增强,并结合提出的非线性增强规则,能够更好地增强原始图像,增强图像的细节清晰无变形,对比度适中.实验证明该算法的增强效果优于目前的图像增强算法.