医学图像作为现代医疗诊断的重要信息来源,使得临床诊断与治疗变得更加高效、准确,医学图像在医学领域中发挥着不可替代的作用。然而在医学图像成像过程中,由于受到各种不良因素的影响,会导致医学图像出现不清晰、对比度低等问题,低质量的医学图像会干扰医生对病情的判断,因此对医学图像增强方法的研究变得至关重要。利用人眼视觉注意机制原理能快速找到图像的感兴趣区域,本文重点对医学图像增强方法进行研究,提出了基于视觉注意机制的图像增强方法,该方法主要分为图像显著区域的提取、图像增强和图像质量评价三个部分。本文主要完成以下工作:(1)分别对基于特征整合的视觉注意机制模型和基于全局对比度的视觉注意机制模型进行研究和分析,并针对医学图像的显著区域提取结果分析了两种模型的优缺点。(2)针对医学图像对比度低的特点,提出了一种融合对比度特征的视觉注意机制模型,该模型将图像对比度特征引入到基于特征整合的视觉注意机制模型中。求取对比度显著图时,首先运用SLIC超像素分割算法对原医学图像进行分割,与其他分割方法相比,该算法能有效的保护图像的边缘纹理信息,再分别求取每块图像区域的对比度显著值,最后得到医学图像的对比度显著图。通过融合医学图像的对比度显著图、亮度显著图和方向显著图得到图像的最终显著图,并与现有的视觉注意机制模型得到的显著图结果进行对比,验证了本文所提出的视觉注意机制模型的有效性。(3)针对医学图像自身特点和传统图像增强方法的不足,提出了一种基于视觉注意机制和人眼感知特性相结合的图像增强方法。在获得原医学图像显著图的基础上,构造了一种信息直方图,与传统直方图的统计方式不同,该直方图能综合反映医学图像的信息量。由于信息直方图存在幅值过大等问题,结合人眼亮度阈值曲线对信息直方图的动态范围进行了优化调整,进而实现对医学图像的增强。分别用本文提出的图像增强方法和现有的图像增强方法对医学图像进行增强,并采用了一种同时考虑医学图像特点和人眼感知特性的医学图像质量评价算法,对医学图像增强结果分析。数据结果表明,本文所提出的图像增强算法对医学图像的增强效果最好。(4)用MATLAB语言对所提出的图像增强算法进行了编程实现,设计了医学图像增强系统,实现了用户登录、图像显著区域识别和医学图像增强等功能。