刘海龙,马 波
西安石油大学电子工程学院,陕西 西安710065
肺炎在婴幼儿与老人的呼吸道疾病中极为常见[1]。肺炎X光影像诊断主要依赖专业医生的识别,不能快速获得诊断结果,且经验误差使识别准确率无法得到保证。神经网络的发展使医学图像的识别逐渐成为图像识别的主流[2-7]。虽然众多学者在卷积神经网络优化上对肺炎分类上取得了不多的识别效果[2-5],但对X光图像预处理依旧停留在简单的局部二值模式[6],滤波去噪、对比度增强等操作[7-8],未考虑到正常肺部图像与患病肺部图像区别并不明显,传统方法导致的原细小特征的缺失的问题。为了进一步提升肺炎识别的准确率,本研究引入并改进了Retinex算法增强肺图像特征,并通过实验证明了算法的可行性。
Retinex算法[9]是1963年提出的建立在科学实验与分析上的图像增强方法,其算法是建立在人眼看到的图像是由光线在物体上反射的理论上,将图像分解为入射图像与反射图像,即:

其中为反射图像,为亮度图像。Retinex的理论就是通过降低入射分量对原始图像的影响来获得图像中物体的反射属性[10],从而对图像进行增强。
由于Retinex算法最早是为了去雾以及消除阴影,对于图像能够进行视觉感官特征增强,一定程度上增强了图像的特征,降低了图像的光反射影响因素,但是对于神经网络的学习,经过Retinex算法处理过的图像并不能对神经网络训练产生好的效果,因此需要对算法进行改进,进一步的提取出适合神经网络训练的特征。……