發(fā)布時(shí)間：2021-01-11 19:36

　　核磁共振是一種安全的活體成像技術(shù),由這種成像技術(shù)得到的圖像即為核磁共振圖像（Magnetic Resonance Images,MRI）。醫(yī)生通過(guò)MRI能夠準(zhǔn)確且快速地確認(rèn)病人病情,確保最佳的治療時(shí)機(jī)。因此,MRI是幫助醫(yī)生診斷病人病情的重要醫(yī)學(xué)工具,但MRI在成像或者傳輸過(guò)程中易受噪聲污染。這些噪聲不僅嚴(yán)重影響醫(yī)生對(duì)于病人病情診斷的精確性,還影響計(jì)算機(jī)對(duì)MRI后續(xù)處理的有效性,例如MRI的分割,配準(zhǔn)和分類(lèi)。MRI中的紋理和細(xì)節(jié)結(jié)構(gòu)包含重要的醫(yī)學(xué)信息,在去除噪聲的同時(shí)應(yīng)盡可能地保留MRI本身的信息。因此,MRI去噪算法的研究具有重要的意義和價(jià)值。圖像去噪是圖像處理中一類(lèi)常見(jiàn)的反問(wèn)題,因而為了得到真實(shí)的解,需要限制解空間的大小。常見(jiàn)使去噪問(wèn)題良態(tài)化的方法是在模型中引入圖像先驗(yàn),得到相應(yīng)的正則項(xiàng)來(lái)限制圖像的解空間。低秩矩陣分解去噪模型因其較好的去噪性能,近幾年已成為研究的熱點(diǎn),但隨著噪聲強(qiáng)度的增加,噪聲大大破壞圖像的低秩性,該模型的去噪結(jié)果中會(huì)出現(xiàn)去噪不充分的情況。本文的研究?jī)?nèi)容是在低秩矩陣分解去噪模型中引入核磁共振圖像的先驗(yàn)信息來(lái)提升模型的去噪效果,在去除噪聲的同時(shí)最大程度地保留MRI本... 

【文章來(lái)源】：成都信息工程大學(xué)四川省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像去噪方法分類(lèi)示意圖

陀氤讜ス?滔喙兀?煌?讜ス?痰玫講煌?嘈偷暮舜毆艙?圖像。弛豫過(guò)程是指原子核在一定條件下由激化狀態(tài)回到平衡排列狀態(tài)的過(guò)程[36]。根據(jù)弛豫過(guò)程的不同，MRI可以分為T(mén)1權(quán)重圖像和T2權(quán)重圖像。部分高能級(jí)氫質(zhì)子釋放能量后重新回到低能級(jí)的過(guò)程叫縱向弛豫，因縱向弛豫又被稱(chēng)為T(mén)1弛豫，因此得到的圖像稱(chēng)為T(mén)1加權(quán)圖像；同相氫質(zhì)子間由于互相的排斥作用而逐漸失相的過(guò)程叫橫向弛豫，同理，橫向弛豫又稱(chēng)T2弛豫，因此得到的圖像是T2加權(quán)圖像。除此之外，反映組織間質(zhì)子密度弛豫時(shí)間差別的MRI被稱(chēng)為質(zhì)子密度加權(quán)(PDW)圖像[37]。圖2-1給出了這三種MRI的示意圖，如圖所示圖2-1（a）是T1加權(quán)圖像，圖2-1（b）是T2加權(quán)圖像，圖2-1（c）是PD加權(quán)圖像。（a）T1加權(quán)圖像（b）T2加權(quán)圖像（c）PD加權(quán)圖像圖2-1不同類(lèi)型的MRI示意圖

成都信息工程大學(xué)碩士學(xué)位論文第10頁(yè)共55頁(yè)差；fg是f和g的協(xié)方差。211ckR、222ckR和32cc/2為常數(shù)，其中R為圖像像素值范圍，且根據(jù)經(jīng)驗(yàn)1k和2k分別取0.01和0.03；通常1，SSIM0,1。SSIM1則說(shuō)明待評(píng)估圖像g與理想?yún)⒖紙D像f相似度很高，g的圖像質(zhì)量好。2.3噪聲圖像去噪的目的是去除圖像中的噪聲信號(hào)并盡可能地逼近真實(shí)圖像信號(hào)。令(x,y)為圖像中某個(gè)像素點(diǎn)的坐標(biāo)，InputI為噪聲圖像，OutI為去噪圖像，N為噪聲。如圖2-2所示，給定一個(gè)觀測(cè)噪聲圖像InputI，目的是求得原始圖像的一個(gè)估計(jì)OutI，去噪過(guò)程通常被如公式（2-8）所示的模型表示：(,)=(,)+(,)OutInputIxyNxyIxy(2-8)圖2-2去噪過(guò)程示意圖2.3.1噪聲模型噪聲常產(chǎn)生于圖像獲取或傳輸過(guò)程中，噪聲名稱(chēng)大多來(lái)自于其概率服從的分布，下面介紹幾種常見(jiàn)噪聲及其概率密度函數(shù)。（1）高斯噪聲高斯噪聲是自然界中最常見(jiàn)的噪聲之一，常見(jiàn)于電子電路噪聲和傳感器噪聲中，其概率密度函數(shù)如公式（2-9）所示：22()/21()e2pzzz(2-9)其中z為灰度值，z、分別為z的均值和標(biāo)準(zhǔn)差。（2）瑞利噪聲

【參考文獻(xiàn)】：
期刊論文
[1]圖像質(zhì)量評(píng)價(jià)綜述[J]. 何南南,解凱,李桐,葉宇?yuàn)?  北京印刷學(xué)院學(xué)報(bào). 2017(02)
[2]基于馬氏距離的改進(jìn)非局部均值圖像去噪算法[J]. 陰盼強(qiáng),路東明,袁淵.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(03)
[3]BM3D算法在海洋SAR圖像去噪中的應(yīng)用[J]. 石健,汪洋,黃海風(fēng),余安喜,李威.  雷達(dá)科學(xué)與技術(shù). 2016(01)
[4]聯(lián)合矩陣F范數(shù)的低秩圖像去噪[J]. 劉新艷,馬杰,張小美,胡釗政.  中國(guó)圖象圖形學(xué)報(bào). 2014(04)
[5]基于稀疏性的圖像去噪綜述[J]. 郭德全,楊紅雨,劉東權(quán),何文森.  計(jì)算機(jī)應(yīng)用研究. 2012(02)
[6]圖像質(zhì)量評(píng)價(jià)綜述[J]. 劉書(shū)琴,毋立芳,宮玉,劉興勝.  中國(guó)科技論文在線(xiàn). 2011(07)

碩士論文
[1]基于圖像塊先驗(yàn)和Bootstrap的圖像去噪算法研究[D]. 黃靜靜.西安電子科技大學(xué) 2015
[2]基于低秩矩陣恢復(fù)的圖像去噪算法研究[D]. 王圳萍.西南交通大學(xué) 2015
[3]基于低秩矩陣分解的非局部稀疏模型圖像去噪方法研究[D]. 姚波旭.西安電子科技大學(xué) 2014
[4]醫(yī)學(xué)圖像去噪方法分析與比較[D]. 張璐.上海交通大學(xué) 2010



本文編號(hào)：2971355