一種基于小波萎縮的磁共振圖像去噪方法
【專利摘要】本發(fā)明公開了一種基于小波萎縮的磁共振圖像去噪方法，該方法結(jié)合比例萎縮與低閾值的閾值萎縮，以達到去噪、且盡可能多地保留圖像細節(jié)的目的。本發(fā)明技術(shù)方案選取由噪聲構(gòu)成的模平方圖像背景區(qū)域，通過其服從非中心卡方分布這一條件，對模圖像的噪聲方差進行估計，克服了原算法依賴于噪聲已知的限制。通過融合提高了高頻系數(shù)的準(zhǔn)確性，從而提升了圖像的去噪效果：針對軟閾值法去噪不充分以及比例萎縮法去噪損失過多細節(jié)的情形，將其看做兩種極限情況，從而通過權(quán)值進行融合，得到了更準(zhǔn)確的高頻系數(shù)，取得了優(yōu)于以上兩種方法的去噪效果。
【專利說明】一種基于小波萎縮的磁共振圖像去噪方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理的【技術(shù)領(lǐng)域】，具體涉及一種基于小波萎縮的磁共振圖像去噪方法。
【背景技術(shù)】
[0002]本發(fā)明的應(yīng)用背景在于:磁共振成像(Magnetic Resonance Imaging, MRI)是醫(yī)學(xué)影像領(lǐng)域中的一種新型成像方法，它利用射頻脈沖使磁場中的氫核共振產(chǎn)生信號，經(jīng)處理而成像。MRI具有成像參數(shù)多、對比度高、可任意方位斷層、無骨偽影干擾、對人體無電離輻射傷害等優(yōu)點，目前已成為臨床檢查中應(yīng)用最廣泛的先進技術(shù)之一(參見文獻【I】Dua G, Varun Raj D.MRI Denoising Using Waveatom Shrinkage[J].Global Journalof Researches In Engineering, 12 (4_F)，2012.)。但是,有限的成像時間往往需要人們在分辨率與信噪比上做出權(quán)衡(【2】 Pizurica A, Wink A M, Vansteenklstee.A reviewof wavelet denoising in MRI and ultrasound brain imaging[J].Current MedicalImaging Reviews, 2(2):247— 260，2006.)。高分辨率的圖像往往含有較強的噪聲(參見文獻[3] Wang Ha0.Process of magnetic resonance image on denosing.Chin J MagnReson Imaging, Vol.3，N0.3，2012.)。噪聲會模糊圖像細節(jié)，影響臨床診斷(參見文獻【4】LiLingyuan, Zhang Yanhua.Adaptive MRI denosing based on lifting wavelet.ComputerEngineering and Applications, 43(35):83-85, 2007.)。因此，對MR 圖像去噪有著極其重要的意義。[0003]相關(guān)現(xiàn)有技術(shù)分析如下:
[0004]方案一
[0005]方案名稱:基于閾值萎縮的磁共振圖像去噪方法(參見文獻【5】Donoho DL,Johnstone I M.Adapting to unknown smoothness via wavelet shrinkage[J].Journal of American StatAssoc, 12(90):1200-1224,1995.,以及【6】Donoho DL.De-noising by soft-thresholding[J].1nformation Theory,IEEE Transactionson, 41 (3):613-627, 1995.,以及【7】Ashishi Khare, Uma Shanker Tiwary.Soft-thresholding for Denosing of Medical Images-A MultiresolutionApproach[J].1nternational Journal of Wavelet, Multiresolution and InformationProcessing, 3(4): 477-496, 2005.)
[0006]算法思想:噪聲在時間域不連續(xù)，而實際信號往往是連續(xù)的，因而噪聲表現(xiàn)為高頻信息，其高頻系數(shù)幅值往往較??；而實際信號反映圖像細節(jié)信息的高頻部分，主要集中在高頻系數(shù)幅值較大的地方。因此，閾值萎縮對幅值較小的高頻系數(shù)進行萎縮置零，即可去除噪聲。
[0007]算法缺點:閾值的準(zhǔn)確確定比較困難，不合適的閾值會造成圖像去噪不充分或者扼殺圖像細節(jié)等問題。
[0008]方案二[0009]方案名稱:基于比例萎縮的磁共振圖像去噪方法(參見文獻【8】Kivanc MihcakMj Kozintsev I，Ramchandran K，et al.Low-complexity image denoising based onstatistical modeling of wavelet coefficients[J].Signal Processing Letters, IEEE，1999，6 (12):300-303.)
[0010]算法思想:在圖像高頻系數(shù)服從高斯分布的前提下，通過最小均方誤差估計的方法，估計高頻系數(shù)被噪聲污染的程度，確定萎縮系數(shù)，從而對高頻系數(shù)進行萎縮，達到去噪的目的。
[0011]算法缺點:算法需要已知噪聲方差，而該方差在實際中不容易得到；并且去噪后圖像模糊化較為嚴(yán)重，圖像丟失較多細節(jié)信息。

【發(fā)明內(nèi)容】

[0012]本發(fā)明目的在于:本發(fā)明提供一種基于小波萎縮的磁共振圖像去噪方法，該方法結(jié)合比例萎縮與低閾值的閾值萎縮，以達到去噪、且盡可能多地保留圖像細節(jié)的目的。
[0013]本發(fā)明技術(shù)方案為:一種基于小波萎縮的磁共振圖像去噪方法，該方法步驟如下:
[0014]步驟1.1、對圖像進行閾值萎縮
[0015]在閾值函數(shù)的選取上，采用如下公式:
[0016]
【權(quán)利要求】
1.一種基于小波萎縮的磁共振圖像去噪方法，其特征在于，該方法步驟如下: 步驟1.1、對圖像進行閾值萎縮 在閾值函數(shù)的選取上，采用如下公式:
2.根據(jù)權(quán)利要求1所述的一種基于小波萎縮的磁共振圖像去噪方法，其特征在于，在大量實驗的基礎(chǔ)上，選取T=O, 1，α =0.75, Y=0.45，鄰域窗口選取為3*3。
3.根據(jù)權(quán)利要求1所述的一種基于小波萎縮的磁共振圖像去噪方法，其特征在于，在步驟1.3之后還包括步驟1.4:去噪流程，其步驟為: STEPl:輸入一幅含有噪聲的磁共振圖像； STEP2:對含有噪聲的圖像進行二維離散正交小波變換； STEP3:對STEP2后的高頻系數(shù)分別采用閾值萎縮處理跟比例萎縮處理得到兩組高頻系數(shù)； STEP4:確定融合權(quán)值，對STEP3后的兩種高頻系數(shù)進行融合得到新的高頻系數(shù)； STEP5:進行二維離散正交小波反變換得到去噪后圖像； STEP6:輸出去噪后的磁共振圖像。
【文檔編號】G06T5/00GK103632347SQ201310618438
【公開日】2014年3月12日 申請日期:2013年11月27日 優(yōu)先權(quán)日:2013年11月27日
【發(fā)明者】凌強, 宋凱凱, 李朝輝, 李峰 申請人:中國科學(xué)技術(shù)大學(xué)