小波复扩散及在DTI图像恢复中的应用.pdfVIP

第37卷 第5期 上海师范大学学报(自然科学版) Vo1．37．No．5 2008年 10月 JournalofShanghaiNormalUniversity(NaturalSciences) 2008 ，Oct． 小波复扩散及在 DTI图像恢复中的应用 张相芬 ，张洪梅2，田蔚风3 (1．上海师范大学 机械与电子工程学院，上海201418；2．山东省博兴县人民医院外科，博兴256500； 3．上海交通大学 电子信息与电气工程学院，上海200030) 摘 要：扩散张量图像中广泛存在的赖斯噪声会给张量计算和脑 白质追踪等带来严重的影 响．为了减少噪声影响，采用小波复扩散方法对多通道扩散加权图像进行了恢复．小波复扩散 滤波方法即在小波域中进行复扩散．该方法能够有效消除噪声影响而且具有较好的边缘保持 特性．采用峰值信噪比(PSNR)和信号均方差之比(SMSE)来定量地评估本滤波器消除赖斯噪 声的性能．基于模拟和真实数据对张量场的表面扩张系数等进行了计算并进行了人脑 白质纤 维追踪．把去噪方法和多通道小波方法以及复扩散方法进行了比较，实验结果表明本滤波方法 具有 良好的去噪性能． 关键词 ：扩散张量成像 ；图像恢复 ；小波；复扩散 中图分类号：TP391；O175．29；0552 文献标识码：A 文章编号：1000-5137(2008)05-0476-06 O 引 言 扩散张量成像(diffusiontensorimaging，DTI)是最近发展起来的一种成像技术．DTI的出现使得无 创研究人脑神经纤维和进行多发性硬化以及脑中风等疾病的诊断成为可能．DTI的噪声为赖斯分布，其 取值大小和信号强弱有关，因此难以从信号中分离…．当信噪比低的时候，赖斯噪声不仅会引起随机漂 移而且会带来依赖于信号的偏差，这将给张量计算和纤维追踪等后处理带来很大的困难 J．因此，为 DTI寻找一个好的去噪方法非常关键，也成为研究的一个热点．其中，偏微分方程去噪方法和小波去噪 方法受到了广泛关注．[3]采用各向异性滤波方法对扩散加权图像(diffusionweightedimages，DWI)进 行恢复．[4]描绘了一个对张量场进行各向异性扩散的框架．[5]采用最大后验估计消除DWI图像中 的赖斯噪声影响．以上滤波方法都是基于偏微分方程进行的．基于偏微分方程(PDE)的平滑方法有其坚 实的基础：在理论方面它具有收敛性、稳定性和数学可实现性，在实际应用中它在处理图像的局部特性 方面表现出了良好性能．然而，基于PDE的方法有其缺点，例如全变分(TV)方法会丢失纹理信息，因此 会带来 “阶梯”效应 J．小波方法在图像恢复中也起着非常重要的作用．基于软阈值和硬域值的小波滤 波器得到了广泛应用，并且有作者采用它进行了消除赖斯噪声的研究…．然而，小波滤噪方法会引起伪 吉布斯伪影．为了消除小波阈值引起的伪吉布斯现象，提出了基于小波和扩散过程的混合方法 圳．然 而这些混合滤波方法研究的都是高斯噪声的消除，至今还没看到消除赖斯噪声的混合滤波方法的报道． 收稿 日期：2008-03—17 基金项 目：“973”项 目(2003CB716103)，上海师范大学校级项 目(SK200734) 作者简介：张相芬(1977一)女，上海师范大学机械与电子工程学院讲师． 第5期 张相芬，张洪梅，田蔚风：小波复扩散及在DTI图像恢复中的应用 1 基本概念 这部分简单阐述了现有的赖斯噪声消除方法． 1．1 基于小波的赖斯噪声消除 小波曾被成功地应用于消除赖斯噪声影响．假设尺寸为N ×N的MR图像受到均值为零的赖斯噪 声污染．因为赖斯噪声和信号是不独立的，因此噪声污染的信号其小波系数和尺度系数都是有偏的．文 献[1]通过对 MR图像模平方后进行小波去噪处理有效解决了这个问题．模平方后，信号服从非中心卡 方分布，小波系数不再是有偏估计但是尺度系数仍然是有偏的．这个偏差可以通过如下方法来消除：在 分辨尺度 ，对每个尺度因子都减掉2j6rc，其中 是相应复高斯噪声的方差．该方差通常由病人之外 的空区域估算得出．文献[9]基于最大似然估计提出一种最优估计方法，该估计方法从赖斯分布数据中 估计信号和噪声．从均