内窥镜技术随着时代的不断更迭得到了空前的发展,使用内窥镜对患者病灶处进行成像为医生在疾病的诊断与治疗方面提供了有利的帮助。在实际应用中,由于人体内部为动态环境,结构复杂,医生在使用医学电子内窥镜对患者病灶进行探查时,镜头前端光源照射范围有限,使得图像可能出现虚影,模糊的现象,降低图像拍摄质量,为诊断治疗带来不便。因此针对内窥镜图像模糊的问题,论文在视频序列中提取出前后相邻的帧,利用运动估计算法,对比得到相邻帧局部对应区域更加清晰的部分,将这些清晰区域融合为一幅图像作为增强后视频序列的帧。通过在检测对应运动点之前,加入使用梯度结构相似原理检测模糊块步骤,对比对应区域的清晰度,选取更加清晰的图像块融合,解决了算法运行时间久的问题,达到视频实时处理的要求。接着通过对比色差校正的几种常见方法,如在lαβ空间使用Wallis滤波器的色差校正算法、直方图匹配方法与MASK滤波色差校正方法,最终发现使用直方图匹配方法对于内窥镜彩色图像块间融合具有很好的匀光匀色效果,解决了在进行图像间融合所出现的块效应问题。再通过对融合后图像进行分数阶微分小波纹理增强方法,达到保留低频成分的同时,增加高频分量,即图像中的细节纹理轮廓等信息,使图像更加清晰可观。通过实验讨论了基于小波的分数阶微分对内窥镜图像的细节纹理增强有很好的效果,并详细分析了对于内窥镜图像处理的分数阶微分小波增强,使用一级haar小波对图像进行分解,实验发现整体融合算法在运行时间基本满足实时性的同时增强了图像质量,适用于内窥镜视频序列的实时增强。最后使用Harris角点检测与RANSAC算法相结合,计算出单应性矩阵进行变换,对相隔数帧的冻结序列帧图像进行拼接,生成视野宽阔且图像细节清晰的内窥镜图像帮助医生诊断病因与病灶状态。论文为内窥镜视频序列图像提出了一种实用的实时融合增强算法,效果自然,处理速度快,为辅助医生使用内窥镜诊断治疗提供了一定的参考价值。