磁共振成像在醫(yī)學(xué)領(lǐng)域具有極大的應(yīng)用價(jià)值,但成像過程容易被噪聲所污染,從而影響醫(yī)生對(duì)磁共振圖像的后續(xù)處理和分析。圖像去噪是降低噪聲對(duì)磁共振圖像消極影響的最主要方式。然而,由于磁共振圖像噪聲的復(fù)雜性,磁共振圖像的去噪仍然是一項(xiàng)艱巨的任務(wù),如易丟失細(xì)節(jié)和引入偽影。針對(duì)磁共振圖像,本文進(jìn)行了去噪研究并提出了基于結(jié)構(gòu)相似性和低秩稀疏的磁共振圖像去噪算法。磁共振圖像具有結(jié)構(gòu)相似性,即意味著在磁共振圖像中存在很多結(jié)構(gòu)相似的圖像塊,如重復(fù)的圖像邊緣或組織紋理。低秩稀疏即表示將帶噪的高秩圖像信息進(jìn)行低秩矩陣逼近以得到稀疏的低秩圖像信息,在此過程中會(huì)消除噪聲。本文的主要工作總結(jié)如下:（1）提出了一種自適應(yīng)結(jié)構(gòu)信息的磁共振圖像去噪算法,可用于去除高斯噪聲。該算法根據(jù)結(jié)構(gòu)相似性提取磁共振圖像的結(jié)構(gòu)信息,并利用結(jié)構(gòu)信息引導(dǎo)權(quán)重計(jì)算過程,避免了不相似像素對(duì)去噪過程帶來的消極影響。實(shí)驗(yàn)結(jié)果表明,所提算法減少了偽影的引入,能更好地保留圖像細(xì)節(jié),同時(shí)取得了更高的PSNR和SSIM值。（2）提出了一種基于非局部結(jié)構(gòu)相似信息和低秩稀疏的自適應(yīng)磁共振圖像去噪算法,可用于去除空間穩(wěn)定和空間變化的Rician或非中心卡方分布噪聲... 

【文章來源】：西北大學(xué)陜西省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文結(jié)構(gòu)圖

西北大學(xué)碩士學(xué)位論文102.2算法總體框架結(jié)構(gòu)針對(duì)引言中提到的問題，本章提出了一種自適應(yīng)結(jié)構(gòu)信息的加權(quán)平均去噪策略，利用這種策略增強(qiáng)算法的去噪性能，然后可直接應(yīng)用在二維磁共振切片上以此減弱噪聲。圖像結(jié)構(gòu)是視覺感知過程中被首要關(guān)注的信息，人眼在識(shí)別物體的過程中會(huì)首先捕獲到物體的整體結(jié)構(gòu)信息，然后，這些結(jié)構(gòu)信息可以引導(dǎo)大腦去關(guān)注物體更細(xì)微的局部細(xì)節(jié)，這種動(dòng)態(tài)的視覺注意機(jī)制是一種交互感知的過程。為此，我們模擬了交互感知的過程，將磁共振圖像的結(jié)構(gòu)信息引入到圖像去噪過程，使得算法可以自適應(yīng)保留磁共振圖像中的邊緣和局部細(xì)節(jié)信息，以此來提升算法的性能。眾所周知，噪聲會(huì)破壞磁共振圖像的結(jié)構(gòu)信息，這使得算法無法準(zhǔn)確提取噪聲磁共振圖像的結(jié)構(gòu)信息。因此，在本章算法中，我們先對(duì)噪聲磁共振圖像進(jìn)行預(yù)濾波處理以減輕噪聲的干擾，然后，使用聚類算法在預(yù)濾波圖像上提取磁共振圖像的整體結(jié)構(gòu)信息，以此模擬視覺感知任務(wù)中的結(jié)構(gòu)感知過程。最后，利用圖像結(jié)構(gòu)信息來引導(dǎo)局部像素的權(quán)重計(jì)算，通過這種引導(dǎo)，提升算法保留磁共振圖像中關(guān)鍵的邊緣和細(xì)節(jié)信息的能力，從而提升算法的去噪性能。具體來說，本算法在預(yù)濾波圖像上提取結(jié)構(gòu)信息并計(jì)算權(quán)重，然后在原始噪聲磁共振圖像上采用加權(quán)平均方式恢復(fù)圖像。本章所提算法的總體框架結(jié)構(gòu)如圖2所示。圖2本章算法的總體框架結(jié)構(gòu)

西北大學(xué)碩士學(xué)位論文122.4基于聚類的結(jié)構(gòu)信息提取對(duì)于圖像去噪算法來說，它的主要難點(diǎn)是邊緣和圖像細(xì)節(jié)信息的保留，而圖像中狹長的區(qū)域像素、小紋理區(qū)域像素是決定圖像邊緣和細(xì)節(jié)信息的關(guān)鍵。通過觀察磁共振圖像，可以發(fā)現(xiàn)圖像中包含的大量狹長區(qū)域像素和小紋理區(qū)域像素，這些像素所包含的信息與人體組織息息相關(guān)。但是，基于加權(quán)平均策略的去噪算法(如雙邊濾波等)在恢復(fù)磁共振圖像的過程中卻沒有考慮到每個(gè)像素所處區(qū)域的結(jié)構(gòu)特點(diǎn)，從而容易造成邊緣和紋理細(xì)節(jié)的丟失。狹長的像素區(qū)域(見圖3(a))是圖像中重要的邊緣信息�；诩訖�(quán)平均策略的去噪方法使用規(guī)則的方形窗口作為搜索窗口，此方式未能顧慮到這種狹長的圖像結(jié)構(gòu)。因此，在搜索窗口內(nèi)往往只有少量的像素與待恢復(fù)像素相似，其余大量的像素均為不相似像素。那么，大量不相似像素的加權(quán)疊加就會(huì)造成該區(qū)域像素的過度平滑甚至產(chǎn)生偽影，從而導(dǎo)致邊緣模糊和圖像失真。小紋理區(qū)域像素(見圖3(b))是由少量的像素點(diǎn)組成的圖像細(xì)節(jié)，它在圖像中往往以孤立的狀態(tài)分布。與狹長像素區(qū)域相似，對(duì)于這種類型的像素，規(guī)則的搜索窗口沒有考慮到該像素所處區(qū)域的結(jié)構(gòu)信息。因此，當(dāng)搜索窗口很小的時(shí)候，搜索窗口內(nèi)只有少量的像素與待恢復(fù)像素相似，容易導(dǎo)致噪聲去除不足。當(dāng)搜索窗口很大的時(shí)候，因小紋理區(qū)域像素?cái)?shù)量少的特性，搜索窗口內(nèi)會(huì)充斥大量的不相似像素，在這種情況下，往往會(huì)因?yàn)椴幌嗨葡袼氐募訖?quán)疊加而平滑掉這些高對(duì)比度的小紋理像素，從而丟失磁共振圖像中重要的細(xì)節(jié)信息。(a)狹長的區(qū)域像素(b)小紋理區(qū)域像素圖3狹長和小紋理區(qū)域像素示意圖(紅框?yàn)樗阉骺?

【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換的磁共振圖像去噪[J]. 黃世亮,葉朝輝,裘鑒卿.  波譜學(xué)雜志. 2006(04)

博士論文
[1]面向圖像細(xì)節(jié)優(yōu)化的快速磁共振成像[D]. 程靜.中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院) 2019
[2]基于解析和訓(xùn)練字典的稀疏表達(dá)理論研究及其在醫(yī)學(xué)和圖像處理中的應(yīng)用[D]. 王珊珊.上海交通大學(xué) 2014

碩士論文
[1]旋轉(zhuǎn)不變非局域均值算法在磁共振圖像去噪中的應(yīng)用[D]. 張波.華東師范大學(xué) 2017
[2]磁共振圖像去噪算法研究[D]. 郭甜莉.上海交通大學(xué) 2013
[3]基于小波域的磁共振及醫(yī)學(xué)超聲圖像去噪研究[D]. 羅娟.湘潭大學(xué) 2009



本文編號(hào)：3568969