基于Contourlet变换的MRI医学图像增强

石永华

（滁州学院 机械与电子工程学院，安徽 滁州 239000）

基于Contourlet变换的MRI医学图像增强

石永华

（滁州学院 机械与电子工程学院，安徽 滁州 239000）

利用Contourlet变换的多尺度、局部化、方向性等优点，提出一种基于Contourlet的MRI图像增强方法。实验结果表明，与传统的方法相比，该方法能够更有效地增强MRI图像的边缘细节特征，获得良好的效果。

MRI；图像增强；Contourlet；循环平移

磁共振成像（Magnetic Resonance Imageing，MRI）可以很好地识别大脑的灰质和白质密度接近的软组织，从而深受医生的青睐，其临床应用越来越广。然而受其他因素影响，原始的MRI图像可能出现值脉冲噪声、伪影、图像模糊等，因此需要对MRI图像进行增强处理，凸显重要的医学特征，改善图像的质量，以方便医生对病情做出准确的判断。

目前，国内外文献中关于MRI图像增强方法的研究，大部分集中于小波变换。在对图像增强的同时，也增强了噪声信号［1］，使得图像的弱边缘与噪声难以区分，从而引起细节模糊、对比度差等问题。本文提出一种基于Contourlet的MRI医学图像增强方法。该方法采用Contourlet变换来分解和重构MRI图像，用非线性增强函数对图像高频部分做增强处理，获取高质量图像，以便提高医生诊断的正确率。

1 Contourlet变换

为了有效地表示图像，Olshausen＆Field提出了稀疏表示的方法［2］。稀疏表示要求图像线性展开中大部分基函数的系数为零，只有少数基函数具有较大的非零系数。也就是说，某种表示方法是“稀疏的”表明：一数值较大的系数集中 （浓缩）了图像的大部分能量和信息，意味着使用少量的比特数就能达到表示图像的目的。……