冠脉造影血管成像技术是诊断心血管疾病的重要方法,目前已被广泛应用于临床诊断。但由于受限制于其成像机制,冠脉造影图像中存在由于造影剂分布不均匀导致血管内灰度不均匀的区域,同时也存在射线曝光不均匀,以及其他组织结构干扰血管结构增强等问题,干扰了医生对病人心血管情况的检测。传统的血管增强方法在增强血管图像的同时,也会增强图像中的噪声,使得实验结果容易受到噪声的干扰,影响医疗诊断。因此,研究冠脉造影图像中的血管增强技术具有重要意义。针对上述问题,本文开展了冠脉造影血管图像的增强研究。在分析传统增强算法的基础上,重点研究暗通道先验原理及Retinex理论,通过改进Retinex-Net模型,形成一种有效的冠脉造影血管图像增强算法。本文主要工作如下:(1)采用双边滤波方法分解处理血管图像。通过金字塔结构保留血管细节信息,合成低照度图像及正常光线图像,由此作为血管图像训练的标准,进行后续实验。(2)采用改进后的Retinex-Net模型进行血管图像增强。针对血管图像中存在较明亮区域问题,采用结合暗通道先验原理减小明亮区域对血管部分的影响。修改Retinex-Net模型中增强网络的损失函数,结合暗通道先验原理能有效的弥补较明亮区域对于模型的影响,从而实现血管增强。(3)为了更好的获取图像中血管细节信息,在Retinex-Net模型中增加反射网络,对血管的反射图像进行增强。同时,采用多尺度结构相似损失函数作为网络模型的损失函数,有效提高模型对反射图像中血管的识别精度,达到血管图像增强的实验效果。分别采用Retinex原理、暗通道原理和Retinex-Net等方法与本文算法进行血管图像增强效果比较。实验结果表明,改进后的网络模型有效增强图像血管部分,达到更好的视觉效果。与采用其他损失函数的实验效果对比表明,改进后的损失函数有效提高血管识别度,从而减小噪声对血管部分的影响。