基于结构相似性和低秩稀疏的磁共振图像去噪算法研究
发布时间：2022-01-04 19:55
磁共振成像在医学领域具有极大的应用价值,但成像过程容易被噪声所污染,从而影响医生对磁共振图像的后续处理和分析。图像去噪是降低噪声对磁共振图像消极影响的最主要方式。然而,由于磁共振图像噪声的复杂性,磁共振图像的去噪仍然是一项艰巨的任务,如易丢失细节和引入伪影。针对磁共振图像,本文进行了去噪研究并提出了基于结构相似性和低秩稀疏的磁共振图像去噪算法。磁共振图像具有结构相似性,即意味着在磁共振图像中存在很多结构相似的图像块,如重复的图像边缘或组织纹理。低秩稀疏即表示将带噪的高秩图像信息进行低秩矩阵逼近以得到稀疏的低秩图像信息,在此过程中会消除噪声。本文的主要工作总结如下:（1）提出了一种自适应结构信息的磁共振图像去噪算法,可用于去除高斯噪声。该算法根据结构相似性提取磁共振图像的结构信息,并利用结构信息引导权重计算过程,避免了不相似像素对去噪过程带来的消极影响。实验结果表明,所提算法减少了伪影的引入,能更好地保留图像细节,同时取得了更高的PSNR和SSIM值。（2）提出了一种基于非局部结构相似信息和低秩稀疏的自适应磁共振图像去噪算法,可用于去除空间稳定和空间变化的Rician或非中心卡方分布噪声...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
论文结构图
西北大学硕士学位论文102.2算法总体框架结构针对引言中提到的问题，本章提出了一种自适应结构信息的加权平均去噪策略，利用这种策略增强算法的去噪性能，然后可直接应用在二维磁共振切片上以此减弱噪声。图像结构是视觉感知过程中被首要关注的信息，人眼在识别物体的过程中会首先捕获到物体的整体结构信息，然后，这些结构信息可以引导大脑去关注物体更细微的局部细节，这种动态的视觉注意机制是一种交互感知的过程。为此，我们模拟了交互感知的过程，将磁共振图像的结构信息引入到图像去噪过程，使得算法可以自适应保留磁共振图像中的边缘和局部细节信息，以此来提升算法的性能。众所周知，噪声会破坏磁共振图像的结构信息，这使得算法无法准确提取噪声磁共振图像的结构信息。因此，在本章算法中，我们先对噪声磁共振图像进行预滤波处理以减轻噪声的干扰，然后，使用聚类算法在预滤波图像上提取磁共振图像的整体结构信息，以此模拟视觉感知任务中的结构感知过程。最后，利用图像结构信息来引导局部像素的权重计算，通过这种引导，提升算法保留磁共振图像中关键的边缘和细节信息的能力，从而提升算法的去噪性能。具体来说，本算法在预滤波图像上提取结构信息并计算权重，然后在原始噪声磁共振图像上采用加权平均方式恢复图像。本章所提算法的总体框架结构如图2所示。图2本章算法的总体框架结构
西北大学硕士学位论文122.4基于聚类的结构信息提取对于图像去噪算法来说，它的主要难点是边缘和图像细节信息的保留，而图像中狭长的区域像素、小纹理区域像素是决定图像边缘和细节信息的关键。通过观察磁共振图像，可以发现图像中包含的大量狭长区域像素和小纹理区域像素，这些像素所包含的信息与人体组织息息相关。但是，基于加权平均策略的去噪算法(如双边滤波等)在恢复磁共振图像的过程中却没有考虑到每个像素所处区域的结构特点，从而容易造成边缘和纹理细节的丢失。狭长的像素区域(见图3(a))是图像中重要的边缘信息。基于加权平均策略的去噪方法使用规则的方形窗口作为搜索窗口，此方式未能顾虑到这种狭长的图像结构。因此，在搜索窗口内往往只有少量的像素与待恢复像素相似，其余大量的像素均为不相似像素。那么，大量不相似像素的加权叠加就会造成该区域像素的过度平滑甚至产生伪影，从而导致边缘模糊和图像失真。小纹理区域像素(见图3(b))是由少量的像素点组成的图像细节，它在图像中往往以孤立的状态分布。与狭长像素区域相似，对于这种类型的像素，规则的搜索窗口没有考虑到该像素所处区域的结构信息。因此，当搜索窗口很小的时候，搜索窗口内只有少量的像素与待恢复像素相似，容易导致噪声去除不足。当搜索窗口很大的时候，因小纹理区域像素数量少的特性，搜索窗口内会充斥大量的不相似像素，在这种情况下，往往会因为不相似像素的加权叠加而平滑掉这些高对比度的小纹理像素，从而丢失磁共振图像中重要的细节信息。(a)狭长的区域像素(b)小纹理区域像素图3狭长和小纹理区域像素示意图(红框为搜索框)
【参考文献】：
期刊论文
[1]基于小波变换的磁共振图像去噪[J]. 黄世亮,叶朝辉,裘鉴卿. 波谱学杂志. 2006(04)
博士论文
[1]面向图像细节优化的快速磁共振成像[D]. 程静.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[2]基于解析和训练字典的稀疏表达理论研究及其在医学和图像处理中的应用[D]. 王珊珊.上海交通大学 2014
硕士论文
[1]旋转不变非局域均值算法在磁共振图像去噪中的应用[D]. 张波.华东师范大学 2017
[2]磁共振图像去噪算法研究[D]. 郭甜莉.上海交通大学 2013
[3]基于小波域的磁共振及医学超声图像去噪研究[D]. 罗娟.湘潭大学 2009
本文编号：3568969
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
论文结构图
西北大学硕士学位论文102.2算法总体框架结构针对引言中提到的问题，本章提出了一种自适应结构信息的加权平均去噪策略，利用这种策略增强算法的去噪性能，然后可直接应用在二维磁共振切片上以此减弱噪声。图像结构是视觉感知过程中被首要关注的信息，人眼在识别物体的过程中会首先捕获到物体的整体结构信息，然后，这些结构信息可以引导大脑去关注物体更细微的局部细节，这种动态的视觉注意机制是一种交互感知的过程。为此，我们模拟了交互感知的过程，将磁共振图像的结构信息引入到图像去噪过程，使得算法可以自适应保留磁共振图像中的边缘和局部细节信息，以此来提升算法的性能。众所周知，噪声会破坏磁共振图像的结构信息，这使得算法无法准确提取噪声磁共振图像的结构信息。因此，在本章算法中，我们先对噪声磁共振图像进行预滤波处理以减轻噪声的干扰，然后，使用聚类算法在预滤波图像上提取磁共振图像的整体结构信息，以此模拟视觉感知任务中的结构感知过程。最后，利用图像结构信息来引导局部像素的权重计算，通过这种引导，提升算法保留磁共振图像中关键的边缘和细节信息的能力，从而提升算法的去噪性能。具体来说，本算法在预滤波图像上提取结构信息并计算权重，然后在原始噪声磁共振图像上采用加权平均方式恢复图像。本章所提算法的总体框架结构如图2所示。图2本章算法的总体框架结构
西北大学硕士学位论文122.4基于聚类的结构信息提取对于图像去噪算法来说，它的主要难点是边缘和图像细节信息的保留，而图像中狭长的区域像素、小纹理区域像素是决定图像边缘和细节信息的关键。通过观察磁共振图像，可以发现图像中包含的大量狭长区域像素和小纹理区域像素，这些像素所包含的信息与人体组织息息相关。但是，基于加权平均策略的去噪算法(如双边滤波等)在恢复磁共振图像的过程中却没有考虑到每个像素所处区域的结构特点，从而容易造成边缘和纹理细节的丢失。狭长的像素区域(见图3(a))是图像中重要的边缘信息。基于加权平均策略的去噪方法使用规则的方形窗口作为搜索窗口，此方式未能顾虑到这种狭长的图像结构。因此，在搜索窗口内往往只有少量的像素与待恢复像素相似，其余大量的像素均为不相似像素。那么，大量不相似像素的加权叠加就会造成该区域像素的过度平滑甚至产生伪影，从而导致边缘模糊和图像失真。小纹理区域像素(见图3(b))是由少量的像素点组成的图像细节，它在图像中往往以孤立的状态分布。与狭长像素区域相似，对于这种类型的像素，规则的搜索窗口没有考虑到该像素所处区域的结构信息。因此，当搜索窗口很小的时候，搜索窗口内只有少量的像素与待恢复像素相似，容易导致噪声去除不足。当搜索窗口很大的时候，因小纹理区域像素数量少的特性，搜索窗口内会充斥大量的不相似像素，在这种情况下，往往会因为不相似像素的加权叠加而平滑掉这些高对比度的小纹理像素，从而丢失磁共振图像中重要的细节信息。(a)狭长的区域像素(b)小纹理区域像素图3狭长和小纹理区域像素示意图(红框为搜索框)
【参考文献】：
期刊论文
[1]基于小波变换的磁共振图像去噪[J]. 黄世亮,叶朝辉,裘鉴卿. 波谱学杂志. 2006(04)
博士论文
[1]面向图像细节优化的快速磁共振成像[D]. 程静.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[2]基于解析和训练字典的稀疏表达理论研究及其在医学和图像处理中的应用[D]. 王珊珊.上海交通大学 2014
硕士论文
[1]旋转不变非局域均值算法在磁共振图像去噪中的应用[D]. 张波.华东师范大学 2017
[2]磁共振图像去噪算法研究[D]. 郭甜莉.上海交通大学 2013
[3]基于小波域的磁共振及医学超声图像去噪研究[D]. 罗娟.湘潭大学 2009
本文编号：3568969
本文链接：https://www.wllwen.com/yixuelunwen/fangshe/3568969.html
