作者：Wangmeng Zuo, Lei Zhang, Chunwei Song, David Zhang and Huijun Gao
发表期刊：Computer Science, Medicine, Mathematics IEEE Transactions on Image Processing
论文简介：自然图像统计在图像去噪中起着重要的作用，基于梯度、基于稀疏表示和基于非局部自相似性的自然图像先验在去噪中得到了广泛的研究和应用。尽管许多去噪算法取得了巨大的成功，但它们在去噪时往往会使尺度较细的图像纹理变得平滑，从而降低图像的视觉质量。为了解决这一问题，本文提出了一种纹理增强的图像去噪方法，使去噪图像的梯度直方图与原始图像的参考梯度直方图保持一致。在参考梯度直方图的基础上，提出了一种新的梯度直方图保存算法，在去除噪声的同时增强纹理结构。针对由不同纹理区域组成的图像，提出了两种基于区域的GHP变量去噪方法。提出了一种基于噪声观测的未知图像的参考梯度直方图估计算法。实验结果表明，该算法能够很好地保留去噪后图像的纹理外观，使图像看起来更加自然。
研究方向：医学影像数据预处理（图像增强）
作者：Chengwei Liu, Xiubao Sui *, Xiaodong Kuang, Yuan Liu, Guohua Gu and Qian Chen
单位：School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China;
发表期刊：
论文简介：为了提高红外图像的视觉质量，提出了一种结合全局和局部增强结果的优化对比度增强方法。全局增强和局部增强各有优缺点。该方法利用了两种方法的互补特性，实现了明显的对比度增强而不产生伪影。该方法首先计算包含全局和局部灰度分布特征的二维直方图。然后，在二维直方图的基础上，全局和局部应用直方图规范，得到全局和局部增强的结果。最后，通过求解一个全局和局部约束条件下的优化方程来计算增强结果。基于原始图像的边缘信息自适应确定优化方程的像素级正则化参数。因此，该方法能够在保持原始图像自然度的同时增强局部对比度。定性和定量评价结果表明，该方法在提高红外图像的视觉质量方面优于基于分块的方法。
研究方向：医学影像数据预处理（图像增强）
作者：Gang Li
单位：School of Science, Hubei University of Technology Wahan 430068, Hubei, P. R. China
发表期刊：International Journal of Pattern Recognition and Artificial IntelligenceVol. 32, No. 2 (2018) 1854002 (17 pages)
论文简介：图像增强处理是图像预处理过程中一个非常重要的操作。与提高图像的整体对比度水平相比，增强图像的局部对比度可以直接提高图像的局部对比度水平，提高图像增强的质量和效果。本文将灰度预测模型应用于图像局部对比度增强的过程中，测量图像局部对比度的变化范围，自适应调整图像局部对比度增强的尺度。仿真结果表明，该算法在增强图像边缘灰度的同时，还能抑制非边缘粗糙化区域，提高局部增强处理的质量，为进一步的图像边缘检测创造更有利的条件。
研究方向：医学影像数据预处理（图像增强）
作者：Liyun Zhuang1,2 and Yepeng Guan 1,3
单位：1 School of Communication and Information Engineering, Shanghai University, Shanghai, China
2 Faculty of Electronic and Information Engineering, Huaiyin Institute of Technology, Huai’an, China
3 Key Laboratory of Advanced Displays and System Application, Ministry of Education, Shanghai, China
发表期刊：Computational Intelligence and Neuroscience.Volume 2017, Article ID 6029892,12 pages. https://doi.org/10.1155/2017/6029892
论文简介：摘要提出了一种基于均值和方差的子图像直方图均衡化(MVSIHE)图像增强方法，与其他基于直方图均衡化(HE)的图像增强方法相比，该方法有效地提高了输入图像的对比度，同时保留了图像的亮度和细节。首先根据亮度分量的均值和方差将输入图像的直方图划分为4段，分别对每段的直方图bin进行修正和均衡化。其次，通过对处理后的亚直方图进行拼接得到结果。最后将归一化方法应用于灰度级，并将处理后的图像与输入图像进行融合。来自一个名为CVG-UGR-Database的公共图像数据库的100个基准图像用于与其他最先进的方法进行比较。实验结果表明，该算法不仅能有效地增强图像信息，而且能很好地保留原始图像的亮度和细节
研究方向：医学影像数据预处理（图像增强）
作者：Ji Hyun Yoo, Seong Yong Ohm, and Min Gyo Chung**
单位：Department of Computer Science, Seoul Women’s University,Seoul, 139-774, Republic of Korea
发表期刊：International Conference on Hybrid Information Technology
论文简介：直方图均衡化或直方图规范是一种广泛使用的图像增强方法。2005年，Wang和Ye利用直方图规范提出了一种基于变分演算的图像增强方法。然而，他们的方法经常产生过度增强或不自然的图像，特别是当输入直方图在强度区间的中间有一些高峰时。本文在Wang和Ye方法的基础上，提出了一种新的基于最大熵分布的直方图规范图像增强方法，该方法利用高斯分布最大化熵，保持平均亮度。具体来说，高斯分布的均值等于输入图像的亮度均值，选择高斯分布的方差来最大化输出图像的熵。实验结果表明，与现有方法相比，该方法更准确地保留了图像的平均亮度，生成的图像看起来更自然。
研究方向：医学影像数据预处理（图像增强）
作者：Mussarat Yasmina, Muhammad Sharifa, Saleha Masooda, Mudassar Razaa and Sajjad Mohsina
单位：aDepartment of Computer Science, COMSATS Institute of Information Technology Wah Cantt., 47040, Pakistan
发表期刊：World Applied Sciences Journal,2012,9:1192-1204
论文简介: 脑图像增强、检查、构思和研究允许对各种形式的医学图像进行可测量的探索和构思，例如MEG、EEG、PET、MRI、CT或显微镜等。增强手术的基本目的是对脑图像进行精确的分析，以便对疾病和问题进行有效的诊断和检查。脑成像是医学图像处理的一个分支，用于处理大脑的功能和行为。脑成像提供了一种高效、有效地研究和确定脑相关疾病的方法。脑图像增强是处理这些图像的一个广阔领域，这项研究的基本目标是评估和讨论不同的技术和方法，以处理不同的脑成像类型。本文对脑图像增强的各种方法进行了综述。
研究方向：医学图像增强（综述）
作者：Yanpeng Quaab, Qilin Fuaa, Changjing Shangbb, Ansheng Dengaa, Reyer Zwiggelaarbb, Minu Georgebb, Qiang Shenbb
单位:
a Information Technology College,Dalian Maritime University,Dalian,116026,China
bDepartment of Computer Science,Institute of Mathematics,Physics and Computer Science,Aberystwyth University,SY23 3DB Aberystwyth,UK
发表期刊：Applied Soft Computing Journal,2020
论文简介:计算机辅助诊断系统是一种基于计算机的医学图像自动分析工具，可以帮助早期发现和诊断癌症。在乳腺钼靶计算机辅助设计过程中，图像处理的任务是利用从乳腺钼靶图像中提取的高质量特征，为乳腺钼靶诊断提供有前途的结果。通常情况下，乳腺图像的处理包括三种机制：感兴趣区域提取、图像增强和特征提取。但由于ROI区域中存在的不相关信息和无用信息，可能会产生过度增强并影响特征提取。为了克服这一问题，本文提出了一个FRIP框架，在模糊正区域值最大的块区域内对每幅乳腺图像的ROI进行局部分割和增强，以分层的方式提高乳腺图像特征的质量。
研究方向：医学图像增强
作者：Ozan Oktaya,Enzo Ferrantea,Konstantinos Kamnitsasa,Mattias Heinrichb,Wenjia Baia,Jose Caballeroa,Stuart A. Cookc,Antonio de Marvaoc,Timothy Dawesc,Declan P . O’Reganc,Bernhard Kainza,Ben Glockera,and Daniel Rueckerta
单位：
athe Biomedical Image Analysis Group,Imperial College London,London SW7 2AZ,U.K.
b the Institute of Medical Informatics,University of Lübeck,23538 Lübeck,Germany.
c the MRC Clinical Sciences Centre,London W12 0NN,U.K.
发表期刊：IEEE TRANSACTIONS ON MEDICAL IMAGING,2018,37:384-395
论文简介:结合有关器官形状和位置的先验知识是提高图像分析方法性能的关键，特别是在由于图像获取的限制而使图像损坏并包含伪影的情况下，先验可能是有用的。借助基于学习的技术，可以很好地捕获解剖对象的高度约束性。然而，在最新的技术中，如基于CNN的分割，如何融合这些先验知识并不明显。最先进的方法作为像素级分类器运行，其中训练目标不包含输出的结构和相互依赖性。为了克服这一局限性，我们提出了一种通用的训练策略，通过一种新的规则化模型将解剖学先验知识融入CNNs中，并对其进行端到端的训练。
研究方向：医学图像增强
作者：Philip Jorisa,Wim Devel Terb,Wim Van De Voordeb,Paul Suetens Frederik Maesa,Dirk Vandermulena,and Peter Claesa
单位：
aMedical Imaging Research Center,Department ESAT-PSI,KU Leuven,3000 Leuven,Belgium
bDepartment of Forensic Medicine,University Hospitals UZ Leuven,3000 Leuven,Belgium
发表期刊：IEEE TRANSACTIONS ON MEDICAL IMAGING,2018,99:1-1
论文简介:医学图像中的组织强度分布具有不同程度的统计离散性，即异方差性。异方差性会影响图像的对比度和梯度，也会影响通用距离度量函数的性能。现有的异方差预处理方法大都依赖人工输入或某些启发式算法。因此，本文提出了一种更为通用和数据驱动的方法，该方法依赖于围绕每个特定强度值的强度方差的概念，简称为强度特定方差。本文提出了一种直接从图像（或图像集合）中估计这些方差的方法，并举例说明如何使用这些方差来定义强度特定的距离度量。接下来，使用同态和异方差的CT和MR图像，通过各种应用来评估所提出的概念。最后，从定性和定量分析两方面给出了结果，证实了所提出的方法的有效性，并支持所提出的概念作为异方差医学图像预处理的有效工具。
研究方向：医学图像增强
作者：Hong Zhengab,Kun Zenga,Di Guoc,Jiaxi Yinga,Yu Yanga,Xi Pengd,Feng Hunge,Zhong Chena,and Xiaibo Qua
单位：
aFujian Provincial Key Laboratory of Plasma and Magnetic Resonance,Department of Electronic Science,College of Physical Science and Technology,Xiamen University,Xiamen 361005,China
bKey Laboratory of Intelligent Processing of Image and Graphics,School of Computer Science and Information Security,Guilin University of Electronic Technology,Guilin 541004,China
cSchool of Computer and Information Engineering,Fujian Provincial University Key Laboratory of Internet of Things Application Technology,Xiamen University of Technology,Xiamen 361024,China
dShenzhen Institutes of Advanced Technology,Chinese Academy of Sciences,Shenzhen 518055,China
eNeusoft Medical System,Shanghai 110179,China
发表期刊：IEEE Access,2018,1:1-1
论文简介:在磁共振成像（MRI）中，超分辨率技术在提高图像质量方面发挥了巨大的作用。本文的目的是通过融合另一幅对比度高分辨率图像的梯度信息来改善脑部MRI的边缘。假设多对比度图像在局部模式中具有相同的梯度方向。为了从输入的低分辨率图像中恢复高分辨率图像，提出了建立不同对比度图像之间梯度值的关系模型。首先，利用图像块的相似性来估计强度参数，从而得到更精确的重建图像。然后，对重建图像进行迭代反投影滤波，进一步提高图像质量。该方法在合成和真实的脑MRI图像上得到了验证，与目前比较先进的超分辨率方法相比，获得了更高的视觉质量和更高的客观质量标准。多对比度MRI图像的梯度信息非常有用。在合适的关系模型下，该方法提高了MRI图像超分辨率中的图像边缘。从非常低分辨率的观测中提高MRI图像的分辨率是一个挑战。针对这一问题，我们首先建立了多对比度MRI梯度值之间的关系模型，然后采用快速超分辨方法。该关系模型对其他MRI重建问题有一定的参考价值。
研究方向：医学图像增强
作者：Leonardo Rundoab, Andrea Tangherlonia, Marco S. Nobileac, Carmelo Militellob, Daniela Besozzia, Giancarlo Mauria,c, Paolo Cazzanigad,c
单位：
a University of Milano-Bicocca, Department of Informatics, Systems and Communication, Milano 20126, Italy
b Institute of Molecular Bioimaging and Physiology, Italian National Research Council, Cefalú (PA) 90015, Italy
c SYSBIO.IT Centre of Systems Biology, Milano 20126, Italy
d University of Bergamo, Department of Human and Social Sciences, Bergamo 24129, Italy
发表期刊：Expert Systems With Applications 119 (2019) 387–399
论文简介:医学成像系统通常需要应用图像增强技术来帮助医生进行异常/异常检测和诊断，以及改善经历自动图像处理的图像的质量。在这项工作中，我们介绍了MedGA，一种基于遗传算法的新型图像增强方法，通过加强它们的两个潜在的子分布，能够改善以双峰灰度直方图为特征的图像的外观和视觉效果。 MedGA可以被用作预处理步骤，用于增强具有近似双峰直方图分布的图像，以改善图像后处理技术所获得的结果。作为一个案例研究，我们使用MedGA作为对比增强磁共振图像分析的临床专家系统，考虑磁共振引导聚焦超声手术治疗子宫肌瘤。 MedGA的性能通过各种图像增强度量标准进行定量评估，并与传统的图像增强技术进行比较，即直方图均衡，双直方图均衡，编码和解码Gamma变换以及Sigmoid形变换。 我们表明MedGA在信号和感知图像质量方面明显优于其他方法，同时保持输入平均亮度。 MedGA可能对实际医疗保健环境产生重大影响，代表临床决策支持系统的智能解决方案，用于图像增强的放射学实践，在交互式决策任务期间能可视化地协助医生，以及改进在临床测量的自动化处理任务。
研究方向：医学图像增强（研究型）
下载
作者：Philip Jorisa,Wim Devel Terb,Wim Van De Voordeb,Paul Suetens Frederik Maesa,Dirk Vandermulena,and Peter Claesa
单位：
aMedical Imaging Research Center,Department ESAT-PSI,KU Leuven,3000 Leuven,Belgium
bDepartment of Forensic Medicine,University Hospitals UZ Leuven,3000 Leuven,Belgium
发表期刊：Neurocomputing 000 (2017) 1-12
论文简介:基于直方图的图像增强技术广泛用于在图像中执行对比度增强。 然而，大多数基于直方图的图像增强方法具有不足以自由调节增强图像的亮度和对比度的能力。 本文提出了两种基于直方图的图像增强算法。 所提出的算法提供了通过调整两个参数来控制增强图像的亮度和对比度的方法。 本文还讨论了参数选择的原则。 实验结果表明，与现有的基于直方图的方法相比，所提出的方法在感知质量和图像质量评估指标方面具有更好的性能。
研究方向：医学图像增强（研究型）