资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
◇ 卓越：梯队期刊
◇ ESCI
文章类型：
机构：
[1]中国科学院自适应光学重点实验室，四川成都，610209
[2]中国科学院光电技术研究所，四川成都，610209
[3]中国科学院大学电子电气与通信工程学院，北京，100049
[4]电子科技大学医学院附属肿瘤医院/四川省肿瘤医院，四川成都，610209
四川省人民医院
四川省肿瘤医院
[5]西华大学航空航天学院,四川成都，610209
出处：
ISSN：
关键词：
图像增强
图像分割
伽马变换
全变分模型
小波变换
摘要：
摘要：现有图像增强算法在处理肺CT（compute tomography）图像时，易产生不自然的外观，引入不必要的人工伪影，并产生洗去效应等不利因素。针对此问题，本文提出一种基于图像分割和全变分模型的图像增强算法。该算法将图像分割为前景和背景，首先对前景肺实质图像的直方图进行修改，然后根据修改的直方图对图像进行伽马拉伸，得到对比度增强的前景图像，再与背景图像融合作为全变分模型的输入；再通过全变分能量泛函将图像分解为纹理层和结构层，对纹理层进行小波阈值去噪，最后融合得到增强图像。实验结果的主观分析和客观评价指标均表明，该算法有效地抑制了图像的伪影噪声，解决了现有算法过度增强肺CT图像的缺陷问题，可充分提高图像对比度，并保留了图像的自然外观显示、纹理细节和边缘特征等信息的完整。
基金：
国家自然科学基金（No.61805251,No.62105336,No.11704382,No.62005285）； 中国科学院西部青年学者A类（Western Youth Scholar A CAS
基金编号：
No.61805251,No.62105336,No.11704382,No.62005285
被引次数：
WOS：
中科院(CAS)分区：
出版当年[2022]版：
大类
|
4 区
物理与天体物理
小类
|
4 区
光学
最新[2023]版：
大类
|
4 区
物理与天体物理
小类
|
4 区
光学
影响因子：
最新[2023版]
最新五年平均
出版当年[2022版]
出版当年五年平均
出版前一年[2021版]
出版后一年[2023版]
第一作者：
第一作者机构：
[1]中国科学院自适应光学重点实验室，四川成都，610209
[2]中国科学院光电技术研究所，四川成都，610209
[3]中国科学院大学电子电气与通信工程学院，北京，100049
通讯作者：
通讯机构：
[1]中国科学院自适应光学重点实验室，四川成都，610209
[2]中国科学院光电技术研究所，四川成都，610209
推荐引用方式(GB/T 7714)：
王鸿飞,马士青,闵雷,等.基于图像分割和全变分的肺CT图像增强[J].CHINESE JOURNAL OF LASERS-ZHONGGUO JIGUANG.2022,49(20):
