【技术实现步骤摘要】
基于频域尺度平滑Shearlet的医学MRI图像去噪方法
本专利技术应用于医学MRI图像去噪领域，设计一种适用于医学MRI图像的基于频域平滑的Shearlet变换医学图像去噪方法。
技术介绍
及意义核磁共振成像(MRI)是目前最为先进的医学成像设备，其具有无辐射损伤的高度安全性，可任意方向断层扫描的灵活性，以及具有较高的空间分辨率和高对比度的优势，已经成为当前临床诊断中最有力的检查手段之一。MRI是一种生物自旋成像技术，这是利用原子核自旋的特点，在外加磁场内，经射频脉冲激后产生信号，用探测器检测并输入计算机，经过处理转换后在屏幕上显示图像。MRI提供的信息量不但远大于其他成像技术，而且不同于已有的成像技术，因此，它对疾病的诊断具有很大的潜在优越性。它可以直接作出横断面、矢状面、冠状面和各种鞋面的体层图像，不会产生CT检测中的伪影现象；不需要注射造影剂；无需电离辐射，对人体没有不良影响.但是由于MRI机理成像的限制，在其成像过程中会产生大量的硬件噪声、软件噪声、统计噪声、以及电子器件本身的噪声，并且绝大多数的MRI图像噪声均可用方差为0的高斯白噪声为其模型。上述噪声...
【技术保护点】
1.一种基于频域尺度平滑Shearlet的医学MRI图像去噪方法，包含以下步骤：步骤1)建立医学MRI图像Racian噪声模型；原始磁共振图像代表着磁共振数据在傅里叶域分布的复数域数据，对于单线圈的磁共振系统，其噪声分布概率的函数如下：
【技术特征摘要】
1.一种基于频域尺度平滑Shearlet的医学MRI图像去噪方法，包含以下步骤：步骤1)建立医学MRI图像Racian噪声模型；原始磁共振图像代表着磁共振数据在傅里叶域分布的复数域数据，对于单线圈的磁共振系统，其噪声分布概率的函数如下：这里，IO是第一类贝塞尔函数，是噪声方差，X是无噪磁共振图像，Z是人们肉眼观测的磁共振图像，u为单位阶跃函数；磁共振噪声Racian分布如下：N1和N2为添加的高斯噪声方差,X为无噪声磁共振图像数据,在高信噪比的磁共振图像中，Racian分布呈现出Gaussian高斯分布的特点，在低信噪比图像中呈现Rayleigh瑞利分布的特点；对上述噪声模型进行对数处理从而数字化，此时相乘的式(2)模型将变为相加的模型，如下log(Z(x,y))＝log(X(x,y))+log(N(x,y))(3)此时，得到的信号log(Z(x,y))即是通常看到的医学MRI图像；因此式(3)模型经过频域平滑Shearlet变换后得到下面医学MRI噪声序列模型：其中和分别表示含有噪声的Shearlet系数、无噪声的Shearlet系数和斑点噪声的Shearlet系数；其中上标j为Shearlet变换的分解层数，下标(x,y)为变换域内的坐标；步骤2)生成频域尺度平滑Shearlet滤波器组与方向滤波器组；方向滤波器主要用来克服传统小波系统方向性不足的缺点，从而对磁共振图像进行更好方向逼近，通过方向参数s来进行方向选择；其频域表达式如下：其中a是多尺度参数，s是多方向剪切参数，t是平移参数，与为辅助函数；传统的尺度滤波器主要用来保留磁共振图像的主要轮廓部分，v为辅助函数,ω为频域坐标，其频域表达式如下：频域尺度平滑的滤波器表达式如下：步骤3)计算频域平滑多尺度与多方向分解的Shearlet系数；产生了频域尺度平滑Shearlet系统之后还需要使用该系统与MRI信号做内积运算从而产生多尺度多方向的平滑Shearlet系数，系数的算法过程如下所示，其中FFT、IFFT分别为多维傅里叶变换与逆变换；频域尺度平滑Shearlet正变换系数的具体算法过程为：S1.输入一个磁共振图像f∈RX*Y，尺度参数J∈N，一个剪切向量参数k∈NJ，以及选择方向滤波器DirectionFilter、频域尺度平滑低通滤波器QuadratureMirrorFilter；S2.计算输入信号的频率谱ffreq＝FFT(f)；S3.计算i＝1时的Shearlet系数shearletCoeffs(i)∈RX*Y*nt...
【专利技术属性】
技术研发人员：程芸，田峥，周俊，赵恺伦，张聚，
申请(专利权)人：浙江医院，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。