本发明专利技术公开了一种基于小波萎缩的磁共振图像去噪方法，该方法结合比例萎缩与低阈值的阈值萎缩，以达到去噪、且尽可能多地保留图像细节的目的。本发明专利技术技术方案选取由噪声构成的模平方图像背景区域，通过其服从非中心卡方分布这一条件，对模图像的噪声方差进行估计，克服了原算法依赖于噪声已知的限制。通过融合提高了高频系数的准确性，从而提升了图像的去噪效果：针对软阈值法去噪不充分以及比例萎缩法去噪损失过多细节的情形，将其看做两种极限情况，从而通过权值进行融合，得到了更准确的高频系数，取得了优于以上两种方法的去噪效果。
【技术实现步骤摘要】
本专利技术涉及图像处理的
，具体涉及。
技术介绍
本专利技术的应用背景在于:磁共振成像(Magnetic Resonance Imaging, MRI)是医学影像领域中的一种新型成像方法，它利用射频脉冲使磁场中的氢核共振产生信号，经处理而成像。MRI具有成像参数多、对比度高、可任意方位断层、无骨伪影干扰、对人体无电离辐射伤害等优点，目前已成为临床检查中应用最广泛的先进技术之一(参见文献【I】Dua G, Varun Raj D.MRI Denoising Using Waveatom Shrinkage[J].Global Journalof Researches In Engineering, 12 (4_F)，2012.)。但是,有限的成像时间往往需要人们在分辨率与信噪比上做出权衡(【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.)。高分辨率的图像往往含有较强的噪声(参见文献[3] Wang Ha0.Process of magnetic resonance image on denosing.Chin J MagnReson Imaging, Vol.3，N0.3，2012.)。噪声会模糊图像细节，影响临床诊断(参见文献【4】LiLingyuan, Zhang Yanhua.Adaptive MRI denosing based on lifting wavelet.ComputerEngineering and Applications, 43(35):83-85, 2007.)。因此，对MR 图像去噪有着极其重要的意义。相关现有技术分析如下:方案一方案名称:基于阈值萎缩的磁共振图像去噪方法(参见文献【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.)算法思想:噪声在时间域不连续，而实际信号往往是连续的，因而噪声表现为高频信息，其高频系数幅值往往较小；而实际信号反映图像细节信息的高频部分，主要集中在高频系数幅值较大的地方。因此，阈值萎缩对幅值较小的高频系数进行萎缩置零，即可去除噪声。算法缺点:阈值的准确确定比较困难，不合适的阈值会造成图像去噪不充分或者扼杀图像细节等问题。方案二方案名称:基于比例萎缩的磁共振图像去噪方法(参见文献【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.)算法思想:在图像高频系数服从高斯分布的前提下，通过最小均方误差估计的方法，估计高频系数被噪声污染的程度，确定萎缩系数，从而对高频系数进行萎缩，达到去噪的目的。算法缺点:算法需要已知噪声方差，而该方差在实际中不容易得到；并且去噪后图像模糊化较为严重，图像丢失较多细节信息。
技术实现思路
本专利技术目的在于:本专利技术提供，该方法结合比例萎缩与低阈值的阈值萎缩，以达到去噪、且尽可能多地保留图像细节的目的。本专利技术技术方案为:，该方法步骤如下:步骤1.1、对图像进行阈值萎缩在阈值函数的选取上，采用如下公式:本文档来自技高网...
【技术保护点】
一种基于小波萎缩的磁共振图像去噪方法，其特征在于，该方法步骤如下：?步骤1.1、对图像进行阈值萎缩?在阈值函数的选取上，采用如下公式：?其中，j代表具体的小波层数，i代表方向，???????????????????????????????????????????????????为图像的对比度，σ代表高频系数的标准差，μ代表高频系数的均值，M为高频系数的绝对中值；该阈值函数由噪声与实际信号的传播特性而来；实际信号的能量随着分解层次的增加而增加，而噪声恰好相反，因而层次越高，阈值越小，以充分保留实际信号的高频系数；而对比度越大，噪声能量与实际信号的能量差距越大，因而选择较大的阈值，以尽可能多地去除噪声；M的加入，则是考虑到高频系数的统计特性；?与此对应的阈值处理函数采用的是软阈值，具体公式如下：?其中，T为阈值，wj，k是观测到的高频系数，???是高频系数的估计值；?具体步骤如下：?1）、对图像进行二维离散正交小波分解；?2）、计算高频系数每个层次每个方向上的阈值；?3）、利用软阈值对高频系数进行阈值萎缩；?步骤1.2、对图像进行比例萎缩?在信号高频系数服从正态分布N(0,σ2)，噪声服从正态分布的假设下，根据最小均方误差估计可得，实际信号：?其中，σ2(k)是无噪声干扰的高频系数的方差，σn2是噪声的方差，Y(k)为含噪图像的高频系数；σ2(k)是未知的，在各点方差均匀变化的假设下，其可以通过邻域进行估计，估计公式如下：?其中，Ω(k)是邻域窗口，M是邻域内高频系数的个数，Y(k)是邻域内高频系数，σn2是噪声方差；?萎缩系数的求取需要噪声的方差，实际应用中，噪声的方差是未知的，因而需要对噪声方差进行估计；在噪声方差的估计上，采用如下估计方法：?σn2=Mn2/2?其中，Mn2代表模平方图像纯背景部分的均值，其主要依据模平方图像的噪声服从非中心卡方分布的特性得来；?模平方图像通过对模图像进行平方即可获得；纯背景部分的提取，采用canny算子对图像进行边缘检测，然后对检测到的边缘进行扫描连通，则得到连通区域之外的部分即为图像的纯背景区域；?具体步骤如下：?1）、对图像进行二维离散正交小波分解；?2）、确定各点高频萎缩系数，对高频系数进行萎缩；?步骤1.3、阈值萎缩与比例萎缩的融合?从单独的去噪效果来看，基于软阈值萎缩法得到的图像噪声得以滤除，但是不够彻底，这意味着在萎缩的过程中，高频系数萎缩不足；而比例萎缩得到的去噪图像，噪声滤除彻底，但是存在图像模糊，损失过多细节的问题，这意味着在萎缩的过程中，高频系数萎缩过度。因而可以将两者赋予不同的权值进行融合，从而得到理想的去噪效果；?在两种方法权值的确定上，因为比例萎缩法的前提是实际信号高频系数的方差均匀变化，所以采用sobel算子对估计出来的方差计算梯度信息，以判定萎缩后高频系数的准确性；在梯度较大的地方，其不满足比例萎缩的前提，故其系数可信度不高，因而此时由其估计而来的高频系数的权值较低，而在均匀变化的地方，其可信度较高，具有较大的权值；?具体步骤如下：?1）、在前两步的基础上，记阈值萎缩法进处理后的高频系数矩阵为A，比例萎缩法处理后的高频系数矩阵为B；?2）、利用sobel算子计算每点高频系数方差的梯度信息，并对其进行归一化，梯度值大于阈值T，经验值，则在矩阵C中其对应位置0，否则置1，矩阵C为与A大小相同用以存储比例萎缩可信度情况的矩阵；?3）、计算融合后的高频系数：?R=α*(B*C)+β*(A*C)+γ*(B*D)+δ*(A*D)?其中α+β=1,γ+δ=1,D=1?C,α,γ为经验值，上面的*代表矩阵对应元素的点乘；?4）、对图像系数进行反变换得到去噪后的图像。?2013106184381100001dest_path_image001.jpg,86315dest_path_image001.jpg,2013106184381100001dest_path_image003.jpg,190406dest_path_image002.jpg,FDA0000423735700000015.jpg,2013106184381100001dest_path_image004.jpg,2013106184381100001dest_path_image005.jpg...
【技术特征摘要】
1.一种基于小波萎缩的磁共振图像去噪方法，其特征在于，该方法步骤如下: 步骤1.1、对图像进行阈值萎缩 在阈值函数的选取上，采用如下公式: 2.根据权利要求1所述的一种基于小波萎缩的磁共振图像去噪方法，其特征在于，在大量实验的基础上，选取T=O, 1，α =0.75, Y=0.45，邻域窗口选取为3*3。3.根据权利要求1所述的一种基于小波萎缩的磁共振图像去噪方法，其特征在于，在步骤1.3之后还包括...
【专利技术属性】
技术研发人员：凌强，宋凯凯，李朝辉，李峰，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：
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。