基于多速率采样的多尺度Retinex医学图像增强算法研究

阅读报告——Development of Multiscale Retinex Algorithm forMedical Image Enhancement Based on Multi-RateSampling

作者：Sreenivasa Setty；N. K Srinath；M. C Hanumantharaju（India）

创新点：提出了一种基于多速率采样的医学图像增强新型多尺度Retinex算法

图像增强及相关研究

图像增强算法的目标是重建与真实图像相似的记录图像。
用于医学图像增强的最流行的常规技术是强度校正，直方图均等化，伽马校正等。

Sundaram[1]等人提出了乳房X线照片图像的直方图修改局部对比增强。该方案提供更好的对比度增强并保留乳房X线照片图像中的局部信息。另外，该技术有助于检测乳房X射线照片图像中存在的微观分类。但是，这种方法效果很好乳房X线照片图像但未能为其他医学图像产生令人满意的结果。

Chao等人[2]提出了基于模糊多尺度Retinex的快速彩色图像增强。

本文提出的方法

输入图像首先被下采样为五个版本，即tiny，small，medium，fine，normal scal。这种下采样图像是对比拉伸以增加像素范围并通过MSR算法增强。在执行增强之后，将较低的比例上采样到下一个较高比例的大小，然后与下一个较高比例的图像组合。在组合这些图像的同时，如果上采样图像具有零像素，则保持上标度像素，否则计算平均值。

本文所提出的技术的流程图如下图所示：

从RGB色彩空间读取分辨率为256×256像素的输入图像被转换为（HSV）色彩空间，因为HSV空间将颜色与强度分开.
（HSV色彩模型：即六角椎体模型，颜色参数为：色彩、饱和度、明度）
HSV的值通道被缩放为五个版本，即微小尺度（16×16像素），小规模（32×32像素），中等规模（64×64像素），精细尺度（128×128像素）和正常尺度（256×256像素），以加快基于MSR的图像增强过程。保留色调和饱和度以避免失真。
这些尺寸版本中的每一个可以具有随机像素范围。因此，对于每个缩放版本的值通道都可以完成对比度拉伸操作，以便在0到255的显示范围内转换像素。

The multi-Scale Retinex Algorithm（MSR）

MSR算法的核心是高斯环绕函数的设计。

高斯环绕函数的一般表达式为：

其中Kn为：

其中x和y表示空间坐标，M×N表示图像大小，n优选为1,2和3，因为三个高斯尺度用于图像的每个下采样版本。

• SSR（Single Scale Retinex）单一尺度的Retinex算法：
  
  Rssri（x，y）表示SSR算法的输出，Vi（x，y）表示HSV的值通道，Gn（x，y）表示高斯环绕函数。 表示卷积运算。

• 2D上的多尺度Retinex（MSR）算法：

表示MSR算法的输出，Wn为加权因子，假定为1/3，N表示尺度（scale）数。

通过在SSR操作之后对每个下采样版本应用MSR算法[3]来实现医学图像增强。

图a：获得新的small尺度（3232）的增强图像的流程图
图b：获得新的Medium尺度（6464）的增强图像的流程图
图c：获得新的Fine尺度（128128）的增强图像的流程图
图d：获得新的Normal尺度（256256）的增强图像的流程图

第一列：分辨率为256*256像素的原始图像
第二列：使用直方图均衡的图像增强效果
第三列：使用提出的新方法的增强图像

参考文献：
[1]M. Sundaram, K. Ramar, N. Arumugam and G. Prabin,HistogramModi-fied Local Contrast Enhancement for Mammogram Images, InternationalJournal of Biomedical Engineering and Technology, Vol. 9, No. 1, pp.60-71, 2012.
[2] Chao An and Mei Yu,Fast Color Image Enhancement based onFuzzy Multiple-Scale Retinex, In 6th International Forum on StrategicTechnology (IFOST 2011), Vol. 2, pp. 1065-1069, 2011.
[3]