融合Retinex框架对电子内镜图像的增强

针对目前图像增强算法对于电子内镜图像光照不均匀、低照度区域边缘细节不明显以及高噪声等问题的局限性,设计了一种用于电子内镜图像的融合低噪声、均衡光照和细节增强的Retinex框架,并根据此框架设计了增强算法。算法首先利用基于位置信息与相邻频率的滤波器得到低噪光照值;为了有效区分噪声与细节信息,设计了一种基于最大后验概率估计(Maximum A Posteriori estimation,MAP)的反射率估计方法,引入光照因子控制概率权重,对于低照度区域反射率平滑项施加强约束,并通过最大化其后验概率以应对低照度区域的高噪声问题;为均衡光照、应对人体内黏膜和消化液的散射和吸收导致的图像退化,基于暗通道先验(Dark Channel Prior,DCP)算法设计了反向均衡化模型以得到均衡光照值;为应对低照度区域细节信息不明显问题,利用对比度限制自适应直方图均衡化得到细节增强结果。通过使用均衡光照值补偿增强后的反射率,实现噪声抑制、光照均衡、细节增强提高之间的有效融合。实验结果表明,本算法较于近期的同类算法NIEIE(Non-uniform Illumination Endoscopic Imaging Enhancement),能够在保持信息熵与峰值信噪比的基础上,增强度提升23.94%,对于电子内镜图像具有良好的适用性。