一种基于小波萎缩的磁共振图像去噪方法
【专利摘要】本发明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。
【专利说明】一种基于小波萎缩的磁共振图像去噪方法【技术领域】
[0001]本发明涉及图像处理的【技术领域】，具体涉及一种基于小波萎缩的磁共振图像去噪方法。
【背景技术】
[0002]本发明的应用背景在于: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。[0003]相关现有技术分析如下:
[0004]方案一
[0005]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.)
[0006]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。
[0007]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。
[0008]方案二[0009]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.)
[0010]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。
[0011]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。
【发明内容】
[0012]本发明目的在于:本发明提供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。
[0013]本发明技术方案为:一种基于小波萎缩的磁共振图像去噪方法，该方法步骤如下:
[0014]步骤1.1、对图像进行阈值萎缩
[0015]在阈值函数的选取上，采用如下公式:
[0016]
【权利要求】
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之后还包括步骤1.4:去噪流程，其步骤为: STEPl:输入一幅含有噪声的磁共振图像； STEP2:对含有噪声的图像进行二维离散正交小波变换； STEP3:对STEP2后的高频系数分别采用阈值萎缩处理跟比例萎缩处理得到两组高频系数； STEP4:确定融合权值，对STEP3后的两种高频系数进行融合得到新的高频系数； STEP5:进行二维离散正交小波反变换得到去噪后图像； STEP6:输出去噪后的磁共振图像。
【文档编号】G06T5/00GK103632347SQ201310618438
【公开日】2014年3月12日 申请日期:2013年11月27日 优先权日:2013年11月27日
【发明者】凌强, 宋凯凯, 李朝辉, 李峰 申请人:中国科学技术大学