擴(kuò)散加權(quán)成像技術(shù)是一種能夠檢測(cè)活體組織內(nèi)水分子擴(kuò)散運(yùn)動(dòng)的無(wú)創(chuàng)方法,是一種新的核磁功能成像技術(shù),在醫(yī)學(xué)領(lǐng)域的實(shí)用性較強(qiáng)。但由于擴(kuò)散加權(quán)圖像在獲取和傳輸?shù)倪^(guò)程中不可避免的會(huì)受到噪聲的干擾,且擴(kuò)散加權(quán)圖像對(duì)噪聲較為敏感,噪聲的存在對(duì)擴(kuò)散加權(quán)圖像的準(zhǔn)確性影響較大,進(jìn)而影響到后續(xù)的處理。因此對(duì)擴(kuò)散加權(quán)圖像進(jìn)行降噪是非常重要的。擴(kuò)散加權(quán)圖像主要具有兩個(gè)特點(diǎn),一個(gè)是圖像的自相似性程度高,紋理細(xì)節(jié)較多,另一個(gè)是圖像中所含噪聲為萊斯噪聲�；跀U(kuò)散加權(quán)圖像的特點(diǎn),本研究提出三種降噪算法對(duì)擴(kuò)散加權(quán)圖像進(jìn)行降噪,旨在保留盡可能多的圖像中的紋理細(xì)節(jié)信息,同時(shí)取得較好的降噪效果。第一,將加權(quán)核范數(shù)降噪算法用于擴(kuò)散加權(quán)圖像的降噪中,該算法利用了非局部塊之間的相似性對(duì)圖像進(jìn)行降噪。該算法較為新穎且目前在對(duì)擴(kuò)散加權(quán)圖像降噪研究中還沒(méi)有使用過(guò)。第二,提出了一種基于加權(quán)核的非局部均值濾波算法,在傳統(tǒng)非局部均值濾波算法的核函數(shù)中加入了歐氏距離作為影響因子,對(duì)鄰域像素進(jìn)行加權(quán)。使得圖像的相似性判斷更為準(zhǔn)確從而能保留更多的紋理細(xì)節(jié)信息。第三,本論文提出了一種萊斯校正的預(yù)處理方法。該方法首先對(duì)擴(kuò)散加權(quán)圖像中的萊斯噪聲進(jìn)行了萊斯校正處...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1原始張量場(chǎng)和含噪張量場(chǎng)以及各算法降

第三章加權(quán)核范數(shù)降噪算法在DWI中的應(yīng)用21（c）PM算法（d）TV算法（e）各向同性擴(kuò)散算法（f）ACS算法（g）wiener（h）WNNM圖3.1原始張量場(chǎng)和含噪張量場(chǎng)以及各算法降噪后計(jì)算所得張量場(chǎng)，其中WNNM算法能較好的還原擴(kuò)散張量的大小與方向從圖3.1（a）和圖3.1（....

圖3.3使用各類降噪算法對(duì)DWI圖像進(jìn)行降

第三章加權(quán)核范數(shù)降噪算法在DWI中的應(yīng)用25DWI進(jìn)行降噪，將降噪后的圖像進(jìn)行神經(jīng)纖維跟蹤處理，觀察纖維跟蹤后得到的結(jié)果并判斷效果。通過(guò)神經(jīng)纖維來(lái)說(shuō)明效果要更加的直觀明顯。真實(shí)數(shù)據(jù)實(shí)驗(yàn)主要使用上述的各類降噪算法將該套腦部數(shù)據(jù)進(jìn)行降噪處理，接著對(duì)降噪圖像進(jìn)行計(jì)算得到DTI，再使用F....

圖4.2高斯核的權(quán)值分布，（a）中權(quán)值以均值分布，（b）中的權(quán)值在3×3的基礎(chǔ)上加上了

第四章基于加權(quán)核的非局部均值濾波在DWI中的應(yīng)用31式（4.4）中是高斯核。根據(jù)NLM算法，基于高斯核的卷積窗有如圖4.2所示設(shè)置的：（a）3×3的卷積窗口（b）5×5的卷積窗口圖4.2高斯核的權(quán)值分布，（a）中權(quán)值以均值分布，（b）中的權(quán)值在3×3的基礎(chǔ)上加上了5×5窗口的均值....

圖4.3卷積窗口中鄰邊、鄰角像素與中心像素的距離

第四章基于加權(quán)核的非局部均值濾波在DWI中的應(yīng)用31式（4.4）中是高斯核。根據(jù)NLM算法，基于高斯核的卷積窗有如圖4.2所示設(shè)置的：（a）3×3的卷積窗口（b）5×5的卷積窗口圖4.2高斯核的權(quán)值分布，（a）中權(quán)值以均值分布，（b）中的權(quán)值在3×3的基礎(chǔ)上加上了5×5窗口的均值....

本文編號(hào)：4039794