Поздеев Александр Анатольевич – магистр по направлению "Радиотехника" (2017), аспирант, ассистент кафедры телевидения и видеотехники
ул. Профессора Попова, д. 5 Ф, Санкт-Петербург, 197022
Alexander A. Pozdeev, Master on Radio Engineering (2017), PhD Student, Assistant of the Department of Television and Video Equipment
5 F, Professor Popov St., St Petersburg 197022
Введение. При проведении диагностического осмотра или лечения врачу требуется быстро и точно выявлять и локализовывать аномалии и заболевания, для чего используются, в том числе, и технические средства. Быстрое развитие технологий в области датчиков, устройств визуализации и методов диагностики обеспечивает планомерный переход от анализа изображений врачом к широкому использованию автоматизированных диагностических систем – систем поддержки принятия врачебных решений.
Цель работы. Разработка метода повышения контраста эндоскопических изображений с учетом их особенностей с целью увеличения эффективности медицинских диагностических систем.
Материалы и методы. Повышение контраста неизбежно приводит к росту уровня шумов. Применение на предварительном этапе коррекции известных методов шумоподавления влечет за собой, как правило, потерю мелких деталей, которые важно сохранить при обработке. Разработан метод повышения контраста эндоскопических изображений, в основе которого лежит нелинейное преобразование яркости пикселов, учитывающее их локальную окрестность. Функциональная зависимость между глубиной коррекции контраста и оценкой детальности окрестности обрабатываемого пиксела получена с помощью регрессионного анализа.
Результаты. Результаты экспериментальной оценки и сравнение с аналогом показывают, что при сопоставимом уровне повышения контраста обеспечено большее значение индекса структурного сходства с исходным изображением (0.71 против 0.63 у аналога) при уменьшении роста уровня шумов на 17 %.
Заключение. Метод обеспечивает коррекцию контраста одновременно как светлых, так и темных фрагментов изображения и ограничивает при этом рост шумовой составляющей (характерный для методов этого класса) по сравнению со стандартными методами посредством адаптации глубины коррекции к свойствам окрестности обрабатываемого элемента изображения.
Introduction. When conducting diagnostic examination of patients, various technological means are used to identify pathological conditions timely and accurately. The rapid development of sensors and imaging devices, as well as the advancement of modern diagnostic methods, facilitate the transition from the visual examination of images performed by a medical specialist towards the widespread use of automated diagnostic systems referred to as clinical decision support systems.
Aim. To develop a method for enhancing the contrast of endoscopic images taking into account their features with the purpose of increasing the efficiency of medical diagnostic systems.
Materials and methods. Contrast enhancement inevitably leads to an increase in the noise level. Despite the large number of different methods for noise reduction, their use at the preliminary stage of correction leads to the loss of small but important details. The development of a method for enhancing the contrast of endoscopic images was based on a nonlinear transformation of the intensity of pixels, taking into account their local neighborhood. Regression analysis was used to obtain a functional dependence between the depth of contrast correction and the degree of detail of the processed pixel neighborhood.
Results. The results of experimental evaluation and comparison with conventional methods show that, under a comparable level of contrast enhancement, the proposed method provides a greater value of the structural similarity index towards to the original image (0.71 versus 0.63), with the noise level reduced by 17 %.
Conclusion. In comparison with conventional methods, the developed method provides a simultaneous contrast correction of both light and dark image fragments and limits the growth of the noise level (typical of similar methods) by adapting the correction depth to the neighborhood features of the processed image element.
The authors declare that there are no conflicts of interest present.