Метод адаптивної компенсації завад у зображеннях інтраскопічної візуалізації на основі вейвлет-аналізу та фільтрації локального контрасту

Abstract

Запропоновано новий метод підвищення якості інтраскопічних зображень, який базується на адаптивній компенсації завад шляхом поєднання вейвлет-декомпозиції та фільтрації локального контрасту. Актуальність проблеми обумовлена тим, що сучасні системи медичної візуалізації часто формують зображення з низьким рівнем контрастності, значним рівнем шуму, неоднорідним освітленням та артефактами руху, що ускладнює точну діагностичну інтерпретацію. Постановка задачі виконана як зворотна задача відновлення сигналу. Запропоновано алгоритм побудови фільтраційної послідовності, що передбачає багаторівневу вейвлет-декомпозицію, адаптивну обробку коефіцієнтів деталізації та реконструкцію сигналу з подальшим застосуванням CLAHE, guided filtering та bilateral smoothing. Моделювання та експериментальні дослідження проводилися в середовищі MATLAB R2023a з використанням відкритих медичних баз (Kvasir, HyperKvasir, EndoVis). Результати показали, що метод дозволяє суттєво підвищити значення метрик PSNR та SSIM, знизити NIQE і BRISQUE, а також зберегти текстурну інформативність анатомічних структур. Порівняння з класичними методами (гістограмне вирівнювання, CLAHE, bilateral filtering) підтвердило вищу ефективність запропонованого підходу, що особливо важливо для діагностики в ендоскопії, гастроскопії та стоматологічній інтраскопії. Отримані результати демонструють переваги запропонованого методу над базовими підходами у збереженні текстурної інформації та підвищенні локального контрасту. Практичне значення роботи полягає у можливості інтеграції методу в системи реального часу для підвищення точності медичних висновків та мінімізації ризику пропуску патологій. Розроблений метод відкриває перспективи використання в клінічній практиці, телемедицині та системах підтримки прийняття рішень.The article presents a novel method for enhancing the quality of intraskopic images, based on adaptive noise compensation through the combination of wavelet decomposition and local contrast filtering. The relevance of the problem is determined by the fact that modern medical imaging systems often produce images with low contrast, significant noise levels, uneven illumination, and motion artifacts, which complicates accurate diagnostic interpretation. The problem is formulated as an inverse signal restoration task. An algorithm for constructing a filtering sequence is proposed, which involves multilevel wavelet decomposition, adaptive processing of detail coefficients, and signal reconstruction, followed by the application of CLAHE, guided filtering, and bilateral smoothing. Simulation and experimental studies were carried out in MATLAB R2023a using publicly available medical datasets (Kvasir, HyperKvasir, EndoVis). The results demonstrated that the method significantly improves PSNR and SSIM metrics, reduces NIQE and BRISQUE values, and preserves the textural informativeness of anatomical structures. Comparison with classical methods (histogram equalization, CLAHE, bilateral filtering) confirmed the higher efficiency of the proposed approach, which is particularly important for diagnostics in endoscopy, gastroscopy, and dental intraskopy. The obtained results highlight the advantages of the proposed method over baseline approaches in preserving textural information and enhancing local contrast. The practical significance of the work lies in the possibility of integrating the method into real-time systems to improve diagnostic accuracy and minimize the risk of missed pathologies. The developed method opens up prospects for application in clinical practice, telemedicine, and decision-support systems.