基于色相感知与统计特性的眼底图像融合增强方法

摘要

针对现有眼底图像增强方法在动态范围与病灶细节表达方面的不足，提出一种基于色相感知与统计特性的眼底图像融合增强算法。首先，在HSV色彩空间基于Retinex理论，依据3种不同尺度的高斯核分别将亮度通道分解为低频层与高频层。针对低频层，引入色相感知机制，强化关键区域的亮度表现；对于高频层，采用Sigmoid函数进行非线性拉伸，增强局部纹理与细节。在此基础上，进行Retinex重构获得增强程度不同的3幅图像。随后，将上述3幅初步增强后的图像分别转换至Lab空间，对L通道应用对比度受限的自适应直方图均衡化提升图像局部对比度。最后，构建基于统计特性的亮度权重模型，对增强后的3幅图像进行多尺度金字塔融合，最终实现眼底图像质量明显改善的目的。实验结果表明，本文方法在提升图像整体亮度均衡性和细节清晰度方面均取得良好效果，为眼底病变的临床辅助诊断提供更可靠的影像依据。

关键词

眼底图像 / 图像增强 / 色相感知 / 统计特性 / 对比度受限的自适应直方图均衡化