Hybridization of Divide-and-Conquer technique and Neural Network algorithm for better contrast enhancement in medical images

Abstract

Метою даної роботи є запропонувати новий метод оптимального контрастного посилення медичного зображення. Основна ідея полягає в удосконаленні методу “розділяй і володарюй” для посилення контрасту та виділення інформації та деталей зображення на основі нової концепції алгоритму нейронної мережі. Техніка “розділяй і володарюй” є відповідним методом для посилення контрасту з ефективністю, яка безпосередньо залежить від вибору вагових коефіцієнтів у підпросторах розкладання. Для оптимального вибору вагових коефіцієнтів було використано новий гібридний алгоритм з урахуванням оптимізації міри покращення (EME). Щоб оцінити ефективність запропонованої моделі, були представлені експериментальні результати, які показують, що запропонована гібридна техніка є надійно ефективною та створює чіткі та висококонтрастні зображення.

The aim of this work is to propose a new method for optimal contrast enhancement of a medical image. The main idea is to improve the Divide-and-Conquer method to enhance the contrast, and highlight the information and details of the image, based on a new conception of the Neural Network algorithm. The Divide-and-Conquer technique is a suitable method for contrast enhancement with an efficiency that directly depends on the choice of weights in the decomposition subspaces. A new hybrid algorithm was used for the optimal selection of weights, considering the optimization of the enhancement measure (EME). To evaluate the proposed model's effectiveness, experimental results were presented showing that the proposed hybrid technique is robustly effective and produces clear and high contrast images.