МЕТОДЫ ПОВЫШЕНИЯ КОНТРАСТНОСТИ ИЗОБРАЖЕНИЙ ПРИ МУЛЬТИСПИРАЛЬНОЙ КОМПЬЮТЕРНОЙ ТОМОГРАФИИ
Article Sidebar
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Main Article Content
Аннотация:
С широким распространением мультиспиральной компьютерной томографии в медицинской визуализации необходимость повышения контрастности изображений, получаемых с помощью сканирующего инструмента, становится все более актуальной. Недостаточный контраст на изображениях может препятствовать точной диагностике и анализу. Это, в свою очередь, означает, что существует потребность в эффективных методах повышения контрастности изображений, полученных при мультиспиральной компьютерной томографии. В этой исследовательской статье рассматриваются 17 методов повышения контрастности медицинских изображений и оцениваются полученные изображения по трем критериям. Основная цель данного исследования — определить оптимальную пару метода контрастного усиления и критериев оценки контрастности, обеспечивающую диагностически удобные медицинские изображения.
Article Details
Как цитировать:
Библиографические ссылки:
Zhang, Peipei. (2022). Image Enhancement Method Based on Deep Learning. Mathematical Problems in Engineering. 2022. 1-9. 10.1155/2022/6797367.
Raj P, Nagpal S (2016) A Novel Method for Contrast Enhancement with Colour Preservation. Adv Robot Autom 5: 144. doi: 10.4172/2168-9695.1000144
Wu, Xiaomeng & Kawanishi, Takahito & Kashino, Kunio. (2020). Reflectance-Guided, Contrast-Accumulated Histogram Equalization. 2498-2502. 10.1109/ICASSP40776.2020.9054004.
M. Narzillo, A. Bakhtiyor, K. Shukrullo, O. Bakhodirjon and A. Gulbahor, "Peculiarities of face detection and recognition," 2021 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2021, pp. 1-5, doi: 10.1109/ICISCT52966.2021.9670086.
N. S. Mamatov, B. A. Abdukadirov, A. N. Samijonov and B. N. Samijonov, "Method for false attack detection in face identification system," 2021 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2021, pp. 1-4, doi: 10.1109/ICISCT52966.2021.9670153.
Narzillo, M., Abdurashid, S., Nilufar, N., Musokhon, D., & Erkin, R. (2020). Definition of line formula on images. Journal of Physics: Conference Series, 1441(1), 012150. https://doi.org/10.1088/1742-6596/1441/1/012150
Niyozmatova, N. A., Mamatov, N., Samijonov, A., Abdukadirov, B., & Abdullayeva, B. M. (2020). Algorithm for determining the coefficients of the interpolation polynomial of Newton with separated differences. IOP Conference Series: Materials Science and Engineering, 862(4), 042019. https://doi.org/10.1088/1757-899X/862/4/042019
Mamatov, N. S., Niyozmatova, N. A., Jalelova, M. M., Samijonov, A. N., and Tojiboyeva, Sh. X., “Methods for improving contrast of agricultural images,” E3S Web Conf., vol. 401, p. 4020, 2023. DOI: 10.1051/e3sconf/202340104020
P. J. Bex and W. Makous, ‘‘Spatial frequency, phase, and the contrast of natural images,’’ J. Opt. Soc. Amer. A, Opt. Image Sci., vol. 19, no. 6, pp. 1096–1106, 2002.
Ionescu, Catalin & Fosalau, Cristian & Petrisor, Daniel. (2014). A study of changes in image contrast with various algorithms. EPE 2014 - Proceedings of the 2014 International Conference and Exposition on Electrical and Power Engineering. 100-104. 10.1109/ICEPE.2014.6969876.
Oak, Pratik. “Contrast Enhancement of brain MRI images using histogram based techniques.” (2013). Medicine, Computer Science
Beghdadi, Azeddine & Qureshi, Muhammad & Amirshahi, Seyed Ali & Chetouani, Aladine & Pedersen, Marius. (2020). A Critical Analysis on Perceptual Contrast and Its Use in Visual Information Analysis and Processing. IEEE Access. PP. 1-1. 10.1109/ACCESS.2020.3019350.
Gade, P. & Walsh, P.. (2013). Use of GCF aesthetic measure in the evolution of landscape designs. IJCCI 2013 - Proceedings of the 5th International Joint Conference on Computational Intelligence. 83-90.
Gowthami R., K.Santhi, "Contrast Enhancement Using Bi-Histogram Equalization With Brightness Perservation", International Journal of Computer Trends and Technology (IJCTT), Vol.4, Issue5,1010-1014, May 2013.
Sultan, Duha & Yonis, Alhan. (2019). Contrast Enhancement in Gray Level Images. JOURNAL OF EDUCATION AND SCIENCE. 28. 259-281. 10.33899/edusj.2019.161214.
Shah, Ghous & Khan, Amjad & Shah, Asghar & Raza, Mudassar & Sharif, Muhammad. (2015). A review on image contrast enhancement techniques using histogram equalization. Science International. 27. 1297-1302.
M Kim, MG Chung, Recursively separated and weighted histogram equalization for brightness preservation and contrast enhancement. Consum. Electron. IEEE Trans. 54(3), 1389–1397 (2008)
S-C Huang, F-C Cheng, Y-S Chiu, Efficient contrast enhancement using adaptive gamma correction with weighting distribution. Image Process. IEEE Trans. 22(3), 1032–1041 (2013)
Gupta, Bhupendra, and Mayank Tiwari. Minimum mean brightness error contrast enhancement of color images using adaptive gamma correction with color preserving framework. Optik 127, no. 4 (2016): 1671-1676.
Kim, Yeong-Taeg. Quantized bi-histogram equalization. In 1997 IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 4, pp. 2797-2800. IEEE, 1997.
Wang, Qing, and Rabab K. Ward. Fast image/video contrast enhancement based on weighted thresholded histogram equalization. IEEE transactions on Consumer Electronics 53, no. 2 (2007): 757-764.