消化道肿瘤是最常见的肿瘤疾病之一。新兴的光声成像技术可以敏锐地捕捉肿瘤周围滋养血管的信息,有助于临床进行更精准的诊断。匹配的血管增强算法可以有效突出图像中的血管网络,但光声活体内窥成像的探测角度有限,易造成明显的血管形态异常,现有方法很难实现有效的血管增强。采用自研的光声内窥系统对大鼠直肠进行活体成像,针对活体成像结果提出了一种融合结构和强度两个层面信息的三维血管增强算法,并采用该算法对结直肠血管图像进行了增强。结果表明:所提算法可以有效提升增强效果,抑制机械抖动带来的边缘毛刺,在活体状态下获取了高质量的结直肠三维血管图像,说明其在基础医学研究和临床应用中具有一定的潜在价值。

为了提高医用电子内窥镜所获图像的血管与组织的对比度, 针对内窥镜血管图像的特点, 提出了一种基于多颜色空间非线性对比度拉伸的血管增强处理方法。首先在 RGB颜色空间利用非线性映射函数对绿色(G)分量进行自适应对比度拉伸; 接着依据 G分量的拉伸结果, 相应地调整红色 (R)和蓝色(B)两个分量的灰度值; 然后将图像转换到 HSV颜色空间, 并对图像的饱和度(S)分量进行自适应对比度拉伸; 最后将图像转换回 RGB颜色空间, 最终达到血管增强的目的。在本文中, 利用所提出的算法对多幅电子内窥镜图像进行处理, 结果表明, 算法对于原始特征不明显的细小血管也具有较好的增强效果。通过与其它的增强方法相对比, 增强后图像的细节方差 (DV)显著大于其它方法。将算法嵌入到分辨率为 1280×800的内窥镜软件中, 其处理速度可达 26 f/s。

内窥镜图像质量在医生对早期病灶、异型增生复发的诊断中至关重要。因此本文根据血管对光谱的吸收特性, 提出了一种基于光谱变换的血管增强算法。首先, 该算法对图像RGB通道进行导向滤波, 将各通道分为亮度层和细节层; 接着, 将各通道的细节层进行基于信噪比的自适应增强, 并将亮度层进行拉伸, 使得GB通道的信息增强, R通道信息降低; 最后, 将各通道合并生成增强图像。本文应用该算法对大量内窥镜图像进行增强, 并且与Spectra B增强技术相比较。本文方法在DV-BV指标和韦伯对比度指标均优于Spectra B。