随着计算机辅助诊断的研究和发展,医学影像已经成为医生诊断和治疗疾病的最常用,也是最重要的工具,核磁共振(MR)就是其中一种安全、有效的成像技术,它也是最常用的婴幼儿脑部疾病诊断的辅助工具。由于婴幼儿脑MR图像存在模糊、灰度不均匀性、伪影及偏移场等问题,往往影响医生的诊断和治疗,也为造成后续的计算机自动精确分割和脑部发育分析造成困难。因此,本文针对婴幼儿脑MR图像提出三种图像增强算法。本文的主要工作为:(1)研究了融合非局部均值信息的改进分数阶微分的图像增强算法。利用大津算法和局部平均梯度将图像分为强边缘、弱边缘、强纹理、弱纹理和平滑区域,并自适应地确定每一区域的分数阶阶次,加入图像粗糙度,得到初始的分数阶阶次。然后加入非局部均值思想,将初始化阶数和图像灰度信息组成的非邻域块进行非局部均值滤波,获得最终的阶数。实验验证,该算法在增强纹理和抑制噪声方面的良好作用。(2)研究了基于多方向自适应分数阶微分的图像增强算法。先确定图像中每一点的方向数,利用Bresenham直线算法确定图像中心点每个方向的像素点的位置和灰度值。然后利用相似度函数确定每个方向上的长度,再确定每个方向上的分数阶阶数。最后对每个方向上像素进行分数阶微分滤波。实验验证,该算法可以增强纹理的同时很好地保留图像的结构信息。(3)研究了基于形态成分分析和改进分数阶微分的图像增强算法。在形态成分分析框架下,将图像按粗糙度、对比度、方向和线性相关性进行形态成分分解,并分别处理各个分量,最后将处理完的各分量加权相加,得到最终的增强图像。用常用的图像分割算法对增强结果进行分割,验证了该算法可以提高图像的分割精度,是后续的计算机辅助诊断的基础。