基于图像先验的低秩矩阵分解MRI去噪算法研究
发布时间：2021-01-11 19:36
核磁共振是一种安全的活体成像技术,由这种成像技术得到的图像即为核磁共振图像（Magnetic Resonance Images,MRI）。医生通过MRI能够准确且快速地确认病人病情,确保最佳的治疗时机。因此,MRI是帮助医生诊断病人病情的重要医学工具,但MRI在成像或者传输过程中易受噪声污染。这些噪声不仅严重影响医生对于病人病情诊断的精确性,还影响计算机对MRI后续处理的有效性,例如MRI的分割,配准和分类。MRI中的纹理和细节结构包含重要的医学信息,在去除噪声的同时应尽可能地保留MRI本身的信息。因此,MRI去噪算法的研究具有重要的意义和价值。图像去噪是图像处理中一类常见的反问题,因而为了得到真实的解,需要限制解空间的大小。常见使去噪问题良态化的方法是在模型中引入图像先验,得到相应的正则项来限制图像的解空间。低秩矩阵分解去噪模型因其较好的去噪性能,近几年已成为研究的热点,但随着噪声强度的增加,噪声大大破坏图像的低秩性,该模型的去噪结果中会出现去噪不充分的情况。本文的研究内容是在低秩矩阵分解去噪模型中引入核磁共振图像的先验信息来提升模型的去噪效果,在去除噪声的同时最大程度地保留MRI本...
【文章来源】：成都信息工程大学四川省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图像去噪方法分类示意图
陀氤谠ス?滔喙兀?煌?谠ス?痰玫讲煌?嘈偷暮舜殴舱?图像。弛豫过程是指原子核在一定条件下由激化状态回到平衡排列状态的过程[36]。根据弛豫过程的不同，MRI可以分为T1权重图像和T2权重图像。部分高能级氢质子释放能量后重新回到低能级的过程叫纵向弛豫，因纵向弛豫又被称为T1弛豫，因此得到的图像称为T1加权图像；同相氢质子间由于互相的排斥作用而逐渐失相的过程叫横向弛豫，同理，横向弛豫又称T2弛豫，因此得到的图像是T2加权图像。除此之外，反映组织间质子密度弛豫时间差别的MRI被称为质子密度加权(PDW)图像[37]。图2-1给出了这三种MRI的示意图，如图所示图2-1（a）是T1加权图像，图2-1（b）是T2加权图像，图2-1（c）是PD加权图像。（a）T1加权图像（b）T2加权图像（c）PD加权图像图2-1不同类型的MRI示意图
成都信息工程大学硕士学位论文第10页共55页差；fg是f和g的协方差。211ckR、222ckR和32cc/2为常数，其中R为图像像素值范围，且根据经验1k和2k分别取0.01和0.03；通常1，SSIM0,1。SSIM1则说明待评估图像g与理想参考图像f相似度很高，g的图像质量好。2.3噪声图像去噪的目的是去除图像中的噪声信号并尽可能地逼近真实图像信号。令(x,y)为图像中某个像素点的坐标，InputI为噪声图像，OutI为去噪图像，N为噪声。如图2-2所示，给定一个观测噪声图像InputI，目的是求得原始图像的一个估计OutI，去噪过程通常被如公式（2-8）所示的模型表示：(,)=(,)+(,)OutInputIxyNxyIxy(2-8)图2-2去噪过程示意图2.3.1噪声模型噪声常产生于图像获取或传输过程中，噪声名称大多来自于其概率服从的分布，下面介绍几种常见噪声及其概率密度函数。（1）高斯噪声高斯噪声是自然界中最常见的噪声之一，常见于电子电路噪声和传感器噪声中，其概率密度函数如公式（2-9）所示：22()/21()e2pzzz(2-9)其中z为灰度值，z、分别为z的均值和标准差。（2）瑞利噪声
【参考文献】：
期刊论文
[1]图像质量评价综述[J]. 何南南,解凯,李桐,叶宇姗. 北京印刷学院学报. 2017(02)
[2]基于马氏距离的改进非局部均值图像去噪算法[J]. 阴盼强,路东明,袁渊. 计算机辅助设计与图形学学报. 2016(03)
[3]BM3D算法在海洋SAR图像去噪中的应用[J]. 石健,汪洋,黄海风,余安喜,李威. 雷达科学与技术. 2016(01)
[4]联合矩阵F范数的低秩图像去噪[J]. 刘新艳,马杰,张小美,胡钊政. 中国图象图形学报. 2014(04)
[5]基于稀疏性的图像去噪综述[J]. 郭德全,杨红雨,刘东权,何文森. 计算机应用研究. 2012(02)
[6]图像质量评价综述[J]. 刘书琴,毋立芳,宫玉,刘兴胜. 中国科技论文在线. 2011(07)
硕士论文
[1]基于图像块先验和Bootstrap的图像去噪算法研究[D]. 黄静静.西安电子科技大学 2015
[2]基于低秩矩阵恢复的图像去噪算法研究[D]. 王圳萍.西南交通大学 2015
[3]基于低秩矩阵分解的非局部稀疏模型图像去噪方法研究[D]. 姚波旭.西安电子科技大学 2014
[4]医学图像去噪方法分析与比较[D]. 张璐.上海交通大学 2010
本文编号：2971355
【文章来源】：成都信息工程大学四川省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图像去噪方法分类示意图
陀氤谠ス?滔喙兀?煌?谠ス?痰玫讲煌?嘈偷暮舜殴舱?图像。弛豫过程是指原子核在一定条件下由激化状态回到平衡排列状态的过程[36]。根据弛豫过程的不同，MRI可以分为T1权重图像和T2权重图像。部分高能级氢质子释放能量后重新回到低能级的过程叫纵向弛豫，因纵向弛豫又被称为T1弛豫，因此得到的图像称为T1加权图像；同相氢质子间由于互相的排斥作用而逐渐失相的过程叫横向弛豫，同理，横向弛豫又称T2弛豫，因此得到的图像是T2加权图像。除此之外，反映组织间质子密度弛豫时间差别的MRI被称为质子密度加权(PDW)图像[37]。图2-1给出了这三种MRI的示意图，如图所示图2-1（a）是T1加权图像，图2-1（b）是T2加权图像，图2-1（c）是PD加权图像。（a）T1加权图像（b）T2加权图像（c）PD加权图像图2-1不同类型的MRI示意图
成都信息工程大学硕士学位论文第10页共55页差；fg是f和g的协方差。211ckR、222ckR和32cc/2为常数，其中R为图像像素值范围，且根据经验1k和2k分别取0.01和0.03；通常1，SSIM0,1。SSIM1则说明待评估图像g与理想参考图像f相似度很高，g的图像质量好。2.3噪声图像去噪的目的是去除图像中的噪声信号并尽可能地逼近真实图像信号。令(x,y)为图像中某个像素点的坐标，InputI为噪声图像，OutI为去噪图像，N为噪声。如图2-2所示，给定一个观测噪声图像InputI，目的是求得原始图像的一个估计OutI，去噪过程通常被如公式（2-8）所示的模型表示：(,)=(,)+(,)OutInputIxyNxyIxy(2-8)图2-2去噪过程示意图2.3.1噪声模型噪声常产生于图像获取或传输过程中，噪声名称大多来自于其概率服从的分布，下面介绍几种常见噪声及其概率密度函数。（1）高斯噪声高斯噪声是自然界中最常见的噪声之一，常见于电子电路噪声和传感器噪声中，其概率密度函数如公式（2-9）所示：22()/21()e2pzzz(2-9)其中z为灰度值，z、分别为z的均值和标准差。（2）瑞利噪声
【参考文献】：
期刊论文
[1]图像质量评价综述[J]. 何南南,解凯,李桐,叶宇姗. 北京印刷学院学报. 2017(02)
[2]基于马氏距离的改进非局部均值图像去噪算法[J]. 阴盼强,路东明,袁渊. 计算机辅助设计与图形学学报. 2016(03)
[3]BM3D算法在海洋SAR图像去噪中的应用[J]. 石健,汪洋,黄海风,余安喜,李威. 雷达科学与技术. 2016(01)
[4]联合矩阵F范数的低秩图像去噪[J]. 刘新艳,马杰,张小美,胡钊政. 中国图象图形学报. 2014(04)
[5]基于稀疏性的图像去噪综述[J]. 郭德全,杨红雨,刘东权,何文森. 计算机应用研究. 2012(02)
[6]图像质量评价综述[J]. 刘书琴,毋立芳,宫玉,刘兴胜. 中国科技论文在线. 2011(07)
硕士论文
[1]基于图像块先验和Bootstrap的图像去噪算法研究[D]. 黄静静.西安电子科技大学 2015
[2]基于低秩矩阵恢复的图像去噪算法研究[D]. 王圳萍.西南交通大学 2015
[3]基于低秩矩阵分解的非局部稀疏模型图像去噪方法研究[D]. 姚波旭.西安电子科技大学 2014
[4]医学图像去噪方法分析与比较[D]. 张璐.上海交通大学 2010
本文编号：2971355
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2971355.html
最近更新
教材专著
