改进的单尺度Retinex算法提升LDCT医学影像对比度

本文主要探讨的是"一种改进的基于单尺度Retinex的LDCT医学影像增强算法"，由解志斌和颜培玉两位作者在江苏科技大学电子信息学院进行的研究。低剂量CT扫描（LDCT）在医疗成像中广泛应用，但其图像存在灰度动态范围宽、对比度差以及噪声增多的问题，这些问题限制了医生对病灶的准确识别。 传统单尺度Retinex（Single-Scale Retinex, SSR）算法是一种用于图像复原和增强的经典方法，它试图分离出图像中的照明和反射成分。然而，原始的SSR方法可能在处理复杂场景时效果不佳，因为它对照明估计较为复杂，可能导致增强过程中的细节丢失或噪声放大。 作者在论文中提出了一个改进的LDCT影像增强算法，该算法对经典SSR方法进行了简化，通过更直观且非线性的方式估计照明图像，从而避免了传统方法的复杂性。同时，反射图像的处理被设计得更加精细，旨在增强图像的对比度，提高图像的质量，这对于医生在临床诊断中的判断至关重要。 对比实验部分，作者将改进的算法与传统的直方图均衡化算法、Frackle-McCann Retinex算法和McCann99 Retinex算法进行了性能评估。结果显示，新的算法在对比度增强方面表现出明显的优势，能够有效提升LDCT影像的清晰度和可读性，满足医生对图像质量的高要求。 关键词包括对比度增强、低剂量CT（LDCT）、Retinex理论（特别是单尺度版本）、亮度图像处理和反射图像估计。研究成果被归类于TN391类别，表明其在医学图像处理领域的技术进步。 这篇论文提供了一种实用且有效的医学影像增强解决方案，尤其适用于低剂量CT扫描，有助于提高诊断精度并减少辐射暴露，是当前医学图像处理技术的一个重要突破。