周雪婷杨卫华 华骁 游齐靖孙晶沈建新万程

1南京航空航天大学电子信息工程学院 211106；2南京医科大学附属眼科医院眼科 人工智能大数据实验室 210001；3南京星程智能有限公司 210046

彩色眼底图像广泛用于糖尿病视网膜病变(diabetic retinopathy，DR)、青光眼等疾病的筛查和诊断[1-3]。低质量的眼底图像无法清楚展示视网膜血管、视杯、视盘异常等疾病诊断所需的关键信息，容易造成医生和计算机辅助诊断(computer-aided diagnosis，CAD)系统的漏诊，甚至误诊[4]。目前采集的眼底图像数据集中，因质量差而影响医学诊断的图像占比超过1/4[5]；从基层医院上传至云平台的眼底图像中低质量图像占比近1/2[6]。对低质量眼底图像进行分析发现，模糊、曝光不足和曝光过度是3个主要原因[7]。除规范眼底照相采集流程外，智能眼科专家一直尝试对眼底图像进行增强，通过技术手段提高图像的清晰度、亮度和对比度，进而降低后续的误诊率并提高CAD系统的准确率。目前主要采用基于直方图的方法增强眼底图像。基于直方图的方法可分为3类：一是采用直方图均衡化，通过增加最大和最小像素之间的差值来增强图像[8]；二是通过伽马矫正得到亮度增益矩阵，再利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization，CLAHE)增强亮度通道的对比度[9]；三是对模糊直方图预处理，去除眼底图像的不均匀光照[10]。基于直方图算法的本质是提高图像对比度并使灰度分布均匀，因此颜色过渡时会失真，视觉效果不佳。动态直方图均衡化(dynamic histogram equalization，DHE)根据局部最小值对图像直方图进行分割，并为每个分割分配特定的灰度范围，然后分别进行均衡，以保留更多细节信息[11]。……