本發(fā)明屬于圖像處理領(lǐng)域，特別涉及一種用于增強(qiáng)盆底康復(fù)效果圖像對(duì)比度的方法。

背景技術(shù)：

1、醫(yī)學(xué)影像的對(duì)比度增強(qiáng)在疾病診斷和治療監(jiān)測(cè)中具有重要作用，尤其是在盆底康復(fù)領(lǐng)域；盆底康復(fù)效果的評(píng)估往往依賴于x光影像；然而，由于盆底區(qū)域影像具有低分辨率、低對(duì)比度以及噪聲偽影的特點(diǎn)，導(dǎo)致在影像判讀時(shí)難以準(zhǔn)確捕捉細(xì)節(jié)；傳統(tǒng)的圖像處理方法如直方圖均衡化和簡(jiǎn)單濾波等，雖能一定程度上改善對(duì)比度，但往往無法同時(shí)保證細(xì)節(jié)清晰度和全局圖像一致性；因此，針對(duì)盆底康復(fù)效果的特殊影像特點(diǎn)，開發(fā)一種專門的圖像對(duì)比度增強(qiáng)方法顯得尤為必要；這種方法不僅能改善影像質(zhì)量，還能提高臨床診斷的效率和準(zhǔn)確性，提供更清晰的影像支持。

2、現(xiàn)有的醫(yī)學(xué)影像對(duì)比度增強(qiáng)技術(shù)存在多種局限性；首先，大多數(shù)方法無法同時(shí)兼顧局部和全局對(duì)比度增強(qiáng)；在盆底康復(fù)效果的影像中，低對(duì)比度區(qū)域與噪聲偽影共存，這使得簡(jiǎn)單的全局調(diào)整方法難以滿足需求；其次，在影像的壓縮和傳輸過程中，由于數(shù)據(jù)丟失和劣化問題，導(dǎo)致影像質(zhì)量進(jìn)一步下降，醫(yī)生對(duì)關(guān)鍵區(qū)域的識(shí)別更加困難；此外，已有的圖像增強(qiáng)算法大多以單任務(wù)優(yōu)化為主，未能結(jié)合具體的臨床應(yīng)用場(chǎng)景優(yōu)化圖像質(zhì)量與診斷相關(guān)性；因此，需要一種綜合性的技術(shù)框架，能夠在壓縮、傳輸和恢復(fù)的全流程中，顯著提高盆底康復(fù)影像的對(duì)比度和診斷質(zhì)量。

3、針對(duì)上述問題，本發(fā)明提出了一種創(chuàng)新性的盆底康復(fù)效果圖像對(duì)比度增強(qiáng)方法，結(jié)合采集壓縮與增強(qiáng)恢復(fù)的模塊化設(shè)計(jì)，通過動(dòng)態(tài)調(diào)整分辨率、區(qū)域感知壓縮及混合超分辨率恢復(fù)等技術(shù)，實(shí)現(xiàn)了全流程影像質(zhì)量?jī)?yōu)化；采集壓縮模塊注重低對(duì)比度區(qū)域信息的保留，通過加權(quán)復(fù)雜度計(jì)算、局部注意力權(quán)重分配等策略，確保傳輸?shù)挠跋褓|(zhì)量；增強(qiáng)恢復(fù)模塊則通過非線性歸一化、自適應(yīng)濾波和動(dòng)態(tài)對(duì)比度增強(qiáng)，進(jìn)一步恢復(fù)和優(yōu)化影像的全局與局部細(xì)節(jié)；本方法不僅解決了傳統(tǒng)方法在影像劣化和噪聲處理方面的不足，還通過引入多任務(wù)損失函數(shù)，優(yōu)化生成網(wǎng)絡(luò)對(duì)影像增強(qiáng)效果和診斷相關(guān)性的平衡，顯著提升了影像質(zhì)量，為臨床診斷和治療提供了有力支持。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種盆底康復(fù)效果圖像對(duì)比度增強(qiáng)的方法，旨在顯著提高盆底康復(fù)影像的對(duì)比度和診斷質(zhì)量，從而為臨床診斷和治療提供更清晰的影像支持。

2、本發(fā)明提出的一種盆底康復(fù)效果圖像對(duì)比度增強(qiáng)方法，具體包括以下步驟：

3、s1、采集制作盆底x光數(shù)據(jù)集，生成包含低分辨率、低對(duì)比度及噪聲偽影的訓(xùn)練數(shù)據(jù)對(duì)；

4、s2、構(gòu)建采集壓縮pcm模塊，對(duì)輸入醫(yī)療影像進(jìn)行動(dòng)態(tài)分辨率調(diào)整和區(qū)域感知壓縮，優(yōu)先保留低對(duì)比度區(qū)域信息，生成低分辨率壓縮影像；

5、s3、構(gòu)建退化建模dgm模塊，模擬圖像傳輸中的對(duì)比度劣化過程，構(gòu)建低對(duì)比度偽影和光照不均的退化模型；

6、s4、構(gòu)建損失函數(shù)與訓(xùn)練策略lts模塊，定義綜合損失函數(shù)并進(jìn)行多任務(wù)學(xué)習(xí)訓(xùn)練，優(yōu)化生成網(wǎng)絡(luò)對(duì)低對(duì)比度影像的增強(qiáng)效果；

7、s5、構(gòu)建增強(qiáng)恢復(fù)drm模塊，接收低分辨率壓縮影像，利用混合超分辨率生成網(wǎng)絡(luò)恢復(fù)圖像分辨率，并增強(qiáng)局部與全局對(duì)比度；

8、s6、構(gòu)建模塊集成系統(tǒng)，集成采集和增強(qiáng)的處理模塊，完成影像的壓縮、傳輸、恢復(fù)與對(duì)比度增強(qiáng)的全流程處理。

9、優(yōu)選的，在步驟s2中，構(gòu)建采集壓縮pcm模塊具體包括以下步驟：

10、步驟s21、通過對(duì)輸入圖像計(jì)算加權(quán)復(fù)雜度，隨后計(jì)算縮放因子s實(shí)現(xiàn)動(dòng)態(tài)分辨率壓縮，以優(yōu)先保留低對(duì)比度區(qū)域的空間信息，通過動(dòng)態(tài)分辨率調(diào)整和區(qū)域感知壓縮優(yōu)先保留低對(duì)比度區(qū)域信息，生成低分辨率壓縮影像；此功能可顯著降低數(shù)據(jù)傳輸?shù)膸捫枨?，同時(shí)保障對(duì)關(guān)鍵醫(yī)學(xué)信息的保留，提高數(shù)據(jù)處理效率；具體計(jì)算公式為：

11、；

12、；

13、其中，s表示分辨率縮放因子，取值范圍為(0,1]；表示輸入影像的加權(quán)復(fù)雜度；為像素(x,y)的梯度權(quán)重，用于突出對(duì)比度較低區(qū)域的信息；為輸入影像中像素(x,y)的強(qiáng)度值；h、w分別為輸入影像的高度和寬度。

14、步驟s22、根據(jù)影像的加權(quán)邊緣強(qiáng)度，將影像分為關(guān)鍵區(qū)域和非關(guān)鍵區(qū)域，并對(duì)兩者進(jìn)行區(qū)域感知壓縮，根據(jù)影像的加權(quán)邊緣強(qiáng)度，區(qū)分關(guān)鍵區(qū)域和非關(guān)鍵區(qū)域，針對(duì)不同區(qū)域采用不同的壓縮策略；這種方法有效減少不必要的冗余數(shù)據(jù)，同時(shí)增強(qiáng)關(guān)鍵醫(yī)學(xué)信息的傳輸準(zhǔn)確性；具體計(jì)算公式為：

15、；

16、；

17、其中，表示壓縮后的影像；為非線性壓縮算子；和分別為關(guān)鍵區(qū)域使用的較高壓縮質(zhì)量因子和非關(guān)鍵區(qū)域使用的較低壓縮質(zhì)量因子；和分別表示加權(quán)邊緣強(qiáng)度較高的關(guān)鍵區(qū)域和加權(quán)邊緣強(qiáng)度較低的非關(guān)鍵區(qū)域。

18、步驟s23、計(jì)算局部注意力權(quán)重，具體計(jì)算公式為：

19、；

20、其中，為局部注意力權(quán)重，用于突出對(duì)比度和結(jié)構(gòu)特征；為降噪強(qiáng)度控制參數(shù)；為邊緣權(quán)重調(diào)節(jié)因子；表示像素p的梯度強(qiáng)度。

21、步驟s24、通過局部注意力權(quán)重對(duì)影像進(jìn)行噪聲平滑處理得到pcm模塊壓縮輸出，通過局部注意力權(quán)重突出低對(duì)比度區(qū)域的特征，對(duì)圖像進(jìn)行噪聲平滑處理，確保圖像傳輸質(zhì)量，提高對(duì)比度和結(jié)構(gòu)特征的可視化效果；具體計(jì)算公式為：

22、；

23、其中，表示平滑后的影像在像素(x,y)處的值；表示像素(x,y)的局部鄰域。

24、優(yōu)選的，在步驟s3中，構(gòu)建退化建模模塊dgm模塊具體包括以下步驟：

25、步驟s31、通過優(yōu)化后的公式計(jì)算進(jìn)行模擬x光照不均產(chǎn)生振鈴偽影引起的對(duì)比度劣化的情況，具體的計(jì)算公式為：為模型提供了真實(shí)的場(chǎng)景訓(xùn)練數(shù)據(jù)，進(jìn)一步優(yōu)化了增強(qiáng)算法的魯棒性；具體的計(jì)算公式為：

26、；

27、；

28、其中，表示輸入圖像像素；表示光照不均引起的對(duì)比度劣化；表示振鈴偽影引起的對(duì)比度劣化；為頻率參數(shù)；為x光光照變化強(qiáng)度。

29、步驟s32、通過優(yōu)化后的公式進(jìn)行添加降質(zhì)因素產(chǎn)生模糊與噪聲，得到最終降質(zhì)圖像，通過加入模糊、降采樣和噪聲干擾，生成包含多種缺陷的退化圖像，為后續(xù)的增強(qiáng)模塊提供挑戰(zhàn)性訓(xùn)練樣本，確保算法在復(fù)雜場(chǎng)景下的適應(yīng)能力；具體計(jì)算公式為：

30、；

31、其中，為原始x光圖像；g為高斯模糊核；為下采樣操作；為噪聲干擾；表示光照不均引起的對(duì)比度劣化；表示振鈴偽影引起的對(duì)比度劣化。

32、優(yōu)選的，在步驟s4中，構(gòu)建損失函數(shù)與訓(xùn)練策略lts模塊具體包括以下步驟：

33、步驟s41、定義綜合損失函數(shù)用于優(yōu)化生成網(wǎng)絡(luò)的對(duì)比度增強(qiáng)和邊緣細(xì)節(jié)恢復(fù)，通過綜合損失函數(shù)優(yōu)化生成網(wǎng)絡(luò)，重點(diǎn)關(guān)注對(duì)比度增強(qiáng)、結(jié)構(gòu)保持和邊緣細(xì)節(jié)恢復(fù)等方面；此功能顯著提升了影像增強(qiáng)的全面性能；具體計(jì)算公式為：

34、；

35、其中，l為總的綜合損失；為對(duì)比度感知損失；為結(jié)構(gòu)保持損失；為邊緣增強(qiáng)損失；為各損失項(xiàng)在總體損失中權(quán)重系數(shù)；

36、步驟s42、根據(jù)應(yīng)用場(chǎng)景具體設(shè)計(jì)對(duì)比度感知損失函數(shù)，具體計(jì)算公式為：

37、；

38、其中，和為生成圖像和真實(shí)圖像在像素位置(x,y)的灰度值；和為真實(shí)圖像在像素位置(x,y)的水平方向和垂直方向的梯度；公式分子整體代表生成圖像和真實(shí)圖像在像素值上的絕對(duì)誤差；公式分母整體代表調(diào)整低對(duì)比度區(qū)域的損失權(quán)重，交叉梯度項(xiàng)用于加強(qiáng)對(duì)比度較弱區(qū)域的關(guān)注。

39、步驟s43、根據(jù)應(yīng)用場(chǎng)景具體設(shè)計(jì)結(jié)構(gòu)保持損失函數(shù)，具體計(jì)算公式為：

40、；

41、其中，為防止分母為零的微小正數(shù)；公式分子整體表示生成圖像和真實(shí)圖像的點(diǎn)積，用于衡量像素間的相關(guān)性；公式分母整體表示歸一化項(xiàng)，計(jì)算生成圖像和真實(shí)圖像的范數(shù)積，確保相關(guān)性值在[0,1]范圍內(nèi)。

42、步驟s44、根據(jù)應(yīng)用場(chǎng)景具體設(shè)計(jì)邊緣增強(qiáng)損失函數(shù)，具體計(jì)算公式為：

43、；

44、其中，和表示生成圖像和真實(shí)圖像在水平方向的二階梯度；和表示生成圖像和真實(shí)圖像在垂直方向的二階梯度；和表示生成圖像和真實(shí)圖像邊緣的二階梯度差異，用于優(yōu)化邊緣清晰度。

45、步驟s45、在訓(xùn)練過程中，結(jié)合分割任務(wù)優(yōu)化生成網(wǎng)絡(luò)的診斷相關(guān)性，總損失函數(shù)具體計(jì)算公式為：

46、；

47、其中，為基于dice系數(shù)的分割損失，為分割損失的權(quán)重系數(shù)，用于控制分割任務(wù)對(duì)總體優(yōu)化的影響。

48、優(yōu)選的，在步驟s5中，構(gòu)建增強(qiáng)恢復(fù)drm模塊具體包括以下步驟：

49、步驟s51、接收采集傳輸?shù)牡头直媛蕢嚎s影像，并通過改進(jìn)的非線性歸一化函數(shù)進(jìn)行歸一化處理調(diào)整像素值范圍，接收低分辨率壓縮影像后，通過非線性歸一化將像素值調(diào)整到合理范圍，并利用混合超分辨率生成網(wǎng)絡(luò)恢復(fù)圖像的分辨率；能夠重建丟失的細(xì)節(jié)信息，使影像更加精細(xì)化，方便分析；具體計(jì)算公式為：

50、；

51、其中，k為拉伸參數(shù)，控制像素值范圍的非線性壓縮。

52、步驟s52、對(duì)歸一化后的影像通過方向加權(quán)的自適應(yīng)濾波進(jìn)行局部細(xì)節(jié)增強(qiáng)，針對(duì)不同方向的細(xì)節(jié)進(jìn)行增強(qiáng)處理，恢復(fù)并突出細(xì)微的邊緣和紋理特征；提升了影像細(xì)節(jié)的還原度，為醫(yī)生提供更清晰的觀察條件；具體計(jì)算公式為：

53、；

54、其中，為增強(qiáng)后的局部細(xì)節(jié)圖像；m為方向?yàn)V波器數(shù)量；為方向權(quán)重；為增強(qiáng)強(qiáng)度系數(shù)；為卷積操作；為第m個(gè)方向的濾波器；tanh()表示雙曲正切函數(shù)。

55、步驟s53、通過動(dòng)態(tài)調(diào)整對(duì)比度的非線性映射函數(shù)對(duì)圖像進(jìn)行全局對(duì)比度增強(qiáng)，可以優(yōu)化圖像的亮度層次和對(duì)比效果，使診斷區(qū)域更加突出；具體計(jì)算公式為：

56、；

57、其中，為全局對(duì)比度增強(qiáng)后的圖像；為圖像的局部亮度均值；增強(qiáng)強(qiáng)度控制參數(shù)；為對(duì)比度調(diào)整指數(shù)。

58、優(yōu)選的，在步驟s6中，構(gòu)建模塊集成系統(tǒng)，具體為首先將批量訓(xùn)練圖像進(jìn)行pcm模塊圖像動(dòng)態(tài)壓縮，然后進(jìn)行dgm模塊圖像退化模擬，再輸入到lts模塊調(diào)整綜合損失，隨后通過多任務(wù)學(xué)習(xí)訓(xùn)練生成網(wǎng)絡(luò)模型并將生成的網(wǎng)絡(luò)模型傳入drm模塊，最后應(yīng)用階段將真實(shí)待處理圖像輸入到drm模塊進(jìn)行圖像對(duì)比度增強(qiáng)得到最終的圖像增強(qiáng)輸出；集成系統(tǒng)實(shí)現(xiàn)從采集、壓縮、傳輸?shù)交謴?fù)、增強(qiáng)的全流程自動(dòng)化處理，該系統(tǒng)降低了人工干預(yù)的需求，提升了整體處理效率，同時(shí)確保影像質(zhì)量符合診斷要求。

59、與現(xiàn)有技術(shù)相比，本發(fā)明通過模塊化設(shè)計(jì)，實(shí)現(xiàn)了從影像采集到壓縮、傳輸和恢復(fù)的全流程優(yōu)化處理；采集模塊特別關(guān)注低對(duì)比度區(qū)域信息的保留，通過加權(quán)復(fù)雜度計(jì)算和局部注意力權(quán)重分配，有效降低數(shù)據(jù)傳輸帶寬需求，同時(shí)保障關(guān)鍵醫(yī)學(xué)信息的保留；增強(qiáng)恢復(fù)模塊則利用混合超分辨率生成網(wǎng)絡(luò)恢復(fù)圖像分辨率，并增強(qiáng)局部與全局對(duì)比度，顯著提升了影像質(zhì)量；此外，本發(fā)明引入多任務(wù)損失函數(shù)，優(yōu)化生成網(wǎng)絡(luò)對(duì)影像增強(qiáng)效果和診斷相關(guān)性的平衡，為臨床診斷和治療提供了更有力的支持。