基于改进的canny边缘检测的非局部均值MRI图像去噪方法
【专利摘要】本发明公开了一种基于改进的canny边缘检测的非局部均值MRI图像去噪方法，包括：(1)对MRI图像进行幅值平方处理获得幅值平方图像；(2)噪声估计；(3)采用canny算子抽取幅值平方图像的边缘；(4)计算两个相似块之间的边缘/强度相似性测度；(5)计算权重参数；(6)非局部均值方法处理；(7)修正偏差。本发明的有益之处在于：由于同时考虑了相似块之间的边缘相似性，采用改进的canny边缘检测技术，克服了传统NLM方法中相似块之间的距离仅依靠像素强度单一参量进行权重参数计算的弊端，使得相似度测量更加准确，进而提高了图像去噪的效果；采用了非局部均值滤波代替高斯滤波，较好的保持了边缘，并且去掉了部分噪点，使边缘检测更加准确。
【专利说明】基于改进的canny边缘检测的非局部均值MRI图像去噪方法
【技术领域】
[0001]本发明涉及一种图像去噪方法，具体涉及一种基于改进的canny边缘检测的非局部均值MRI图像去噪方法，属于图像处理【技术领域】。
【背景技术】
[0002]近年来，随着磁共振成像(magnetic resonance images,MRI)技术的发展,人类对脑研究的能力得到了空前提高，与此同时产生了大量的MRI图像。MRI图像的获取过程中经常受到不同的噪声干扰，研究发现，MRI图像中的噪声主要呈现Rician分布。
[0003]目前MRI图像已被广泛用于医学诊断，针对目前MRI图像存在的噪声其相应的处理技术也有多种，其中比较流行的有各向异性扩散去噪法、全变差去噪法、非局部均值去噪法等。
[0004]各向异性扩散去噪法的模型本身的特点决定了它存在的缺陷。当图像被强噪声污染时，噪声引起的梯度很可能会大于图像细节边缘的梯度，这时该模型无法正确区分噪声和细节边缘，从而无法很好的去除噪声。
[0005]全变差去噪法在图像的TV范数和忠诚项之间找到一种平衡态，即能量泛函的极小值，但是当能量泛函中的参数λ很小时，像纹理这样的图像小细节特征就会被毁坏。
[0006]非局部均值去噪法存在着以下缺点:(I)算法复杂度大，计算时间长；(2)相似窗口的相似度度量函数仅考虑了像素的强度相似性，像素权重分配的准确性有待提高；(3)部分参数选取过于敏感，缺乏完善的理论指导；(4)非局部均值去噪存在偏差，在实际应用中应该予以修正。
【发明内容】
[0007]为解决现有技术的不足，本发明的目的在于提供一种基于改进的canny边缘检测、能够有效、准确去除MRI图像噪声的非局部均值MRI图像去噪方法。
[0008]为了实现上述目标，本发明采用如下的技术方案:
[0009]—种基于改进的canny边缘检测的非局部均值MRI图像去噪方法,其特征在于,包括以下步骤:
[0010]步骤1，对含有Rician噪声的MRI图像进行幅值平方处理，获得幅值平方图像；
[0011]步骤2，选取幅值平方图像的背景区域，根据式(I)给出的噪声估计表达式进行噪声估计:
【权利要求】
1.基于改进的canny边缘检测的非局部均值MRI图像去噪方法，其特征在于，包括以下步骤: 步骤1，对含有Rician噪声的MRI图像进行幅值平方处理，获得幅值平方图像； 步骤2，选取幅值平方图像的背景区域，根据式(I)给出的噪声估计表达式进行噪声估计:
式中，μ为幅值图像平方图像中所选背景区域的像素均值，σ为噪声方差； 步骤3，采用canny算子抽取幅值平方图像的边缘: (1)滤波:使用经典的非局部均值滤波器对幅值平方图像进行平滑滤波； (2)计算梯度值与梯度方向角:分别求取滤波后幅值平方图像在X方向和Y方向的梯度Mx和My，根据所述梯度Mx和My计算幅值平方图像的梯度值I Af|与梯度方向角Θ:
将0°~360°梯度方向角归并为4个方向:0°，45° ,90° ,135° ； (3)非最大值抑制:将在梯度方向上具有最大梯度值的像元作为边缘像元保留，将其它像元删除； (4)滞后阈值化:设定一个高阈值thigh和一个低阈值tlOT，根据像元梯度值与高阈值thigh、低阈值tlOT的关系来标记边缘像元； 步骤4，计算相似性测度: 选取大小为5X5的相似块，在11 X 11的范围内进行边缘抽取和检测，设幅值平方图像上某一点的强度为I (X，Y)，幅值平方图像中边缘图像上的某一点的幅值为Canny (X，y)，两个相似块之间的边缘相似性测度D1由式⑷给出:
D1 = I I Canny (Ni)-Canny (N」)| |2，b 式(4) 式中，Ni为第i个元素的邻域,Nj为第j个元素的邻域，b为标准差为b的高斯核加权； 两个相似块之间的强度相似性测度D2由式(5)给出: A=P(Nf)-1(Ny)IlL 式(5) 式中，Ni为第i个元素的邻域,Nj为第j个元素的邻域,a为标准差为a的高斯核加权； 步骤5，权重参数计算: 结合步骤4中计算的两个相似块之间的强度相似性测度D2以及边缘相似度测度D1,形成新的权重计算表达式:
式中，h是滤波参数，h’是边缘滤波参数，Z(i)是全局归一化函数，
步骤6，非局部均值方法处理: 对含Rician噪声的幅值平方图像中的每一个像素执行式(7):
其中，0<wm(i，j)≤1，
遍历整幅图像得到非局部均值方法处理后的 图像； 步骤7，修正偏差: 对步骤6得到的去噪图像进行偏差修正，最终去噪后图像S由下面表达式获得:
2.根据权利要求1所述的基于改进的canny边缘检测的非局部均值MRI图像去噪方法，其特征在于，在步骤2中，选取幅值平方图像的背景区域采用的是Ostu门限技术。
3.根据权利要求1所述的基于改进的canny边缘检测的非局部均值MRI图像去噪方法，其特征在于，在步骤3中，滤波的过程为: ①、选取大小为5X5的相似块，在11X11的范围内搜索，设幅值平方图像上的某一点的强度为I (X，y)，两个相似块之间的强度相似性测度D2为:
式中，Ni为第i个元素的邻域,Nj为第j个元素的邻域,a为标准差为a的高斯核加权； ②、计算权重w(i，j):
式中，h是滤波参数，Z(i)是全局归一化函数
; ③、对含Rician噪声的图像中的每一个像素执行式(7):
其中，O≤w(i，j)≤1，
遍历整幅图像；
④、对③获得的图像进行偏差修正，得到非局部均值滤波后的图像:
4.根据权利要求1所述的基于改进的canny边缘检测的非局部均值MRI图像去噪方法，其特征在于，在步骤3中，求梯度值采用索贝尔算子模板与图像进行卷积完成，其中，
5.根据权利要求1所述的基于改进的canny边缘检测的非局部均值MRI图像去噪方法，其特征在于，在步骤3中，根据像元梯度值与高阈值thigh、低阈值tlOT的关系来标记边缘像元的方法为: (1)像元(x，y)梯度值小于tlOT，则像元(x，y)为非边缘像元； (2)像元(X，y)梯度值大于thigh，则像元(X，y)为边缘像元； (3)像元(X，y)梯度值在tlOT与thigh之间,进一步检查像元(X，y)的3X3邻域,邻域像元梯度存在大于thigh，则(x，y)为边缘像元； (4)像元(x，y)的3X3邻域内没有像元梯度值大于thigh，进一步扩大搜索范围至5X5邻域内像元是否存在大于thigh，如果有，则(x，y)为边缘像元，否则为非边缘像元。
【文档编号】G06T5/00GK104200442SQ201410482116
【公开日】2014年12月10日 申请日期:2014年9月19日 优先权日:2014年9月19日
【发明者】赵恒 , 田刚, 张毅, 高汉宇, 吕秋丽 申请人:西安电子科技大学