一种新基于小波变换自适应MRI增强算法.docVIP

一种新的基于小波变换的自适应MRI增强算法 　　摘要： 提出了一种新的基于小波变换的自适应MRI增强算法。该新算法采用两个非线性自适应规则分别增强低频和高频的小波系数，并且在增强图像信号的同时抑制、减小其中的噪声。实验结果表明新算法增强后的图像具有很好的对比度，且结果图像中的噪声要比其他基于小波变换的自适应增强算法得到的增强后的图像中的噪声要少很多。 　　关键词：图像增强； 小波变换； 非线性自适应规则； MR头部图像 　　中图分类号：TP391文献标志码：A 　　文章编号：1001－3695(2008)06－1771－02 　　 　　核磁共振图像（magnetic resonance imaging , MRI）能够较好地依据不同的灰度级区别不同的软组织，可以帮助医生作出正确的诊断以及图像的后处理，如对局部感兴趣区域的分割等。然而，由于系统噪声，曝光不当，移位等原因，MR图像通常存在噪声，在分析处理图像之前，这样的图像需要被增强。目前，在时域和频域中已经有许多算法增强MR图像[1~3]。经过测试，这些算法都能够增强MR图像，但与此同时，图像的噪声也被增强了，所不希望的。其他还有许多基于小波变换的增强MR图像的算法[4~7]，这些算法均可以较好地增强MR图像，但也都存在共同的缺点：噪声过增强。它严重影响了增强后MR图像的质量，为了解决这个问题，一些抑制噪声过增强的算法已被提出[8,9]，但是图像中的噪声仍没有完全去掉，从而导致对后续处理的影响。图1显示了MR图像1和几个增强算法 [2,3,8]得到的增强后的图像。这些结果图像说明了当前的增强算法仍需改进，以达到在MR图像上更好的增强去噪的效果。?? 　　本文在抑制噪声过增强算法[8]的基础上提出一种新的自适应增强算法。该算法通过两个自适应规则在小波变换域增强图像，同时在增强过程中抑制图像的噪声，并在增强后再次去噪声。实验结果表明新算法的增强结果优于传统的算法。 　　 　　1基于小波的自适应增强MRI的新算法 　　 　　?バ滤惴ǎ?基于文献[8]的算法）的主要步骤如下，创新点用(new)或者(improved)标出： 　　 　　?ビ胛南?[8]的算法相比，新算法所增加的非线性增强规则用于MR头部图像中的高频部分增强，而文献[8]的算法中的非线性增强规则用于MR头部图像中的低频部分增强，从而较好地改进图像的细节与边缘部分的增强效果。该算法引入了小波变换后低频部分的去噪处理，并在增强后通过时域部分的再次去噪有效地减少了噪声，抑制了噪声过增强。实验结果也证明该算法的可行性和有效性，实验结果如下。 　　 　　3实验结果 　　 　　?ケ菊卤ǜ娴氖笛榻峁?中，与新算法相比较的是传统的小波增强算法[3]和抑制噪声过增强的算法[8]。经测试了多种现存的增强算法，如传统的直方图均衡算法[1]和基于小波变换的反锐化掩模增强算法[2]等，由于效果较差，在这里不与之比较。图2中的第一列表示图像和增强后的图像，第二列为它们相应的直方图。?? 　　实验结果表明新算法的增强效果优于其它算法，增强后图像的直方图也说明了该观点。新算法不仅有效地抑制了噪声过增强，使图像的噪声减小到最低，而且使图像的有效灰度级得到了很好的扩展，改善了图像的视觉效果，有助于医生的诊断和图像的后续处理工作。更多的测试结果如图3~5所示。?オ? 　　 　　4结论 　　 　　?ケ疚奶岢隽艘恢指?据图像本身性质，在自适应技术增强MR图像的同时有效地抑制了噪声的算法。新算法在小波变换域和时域同时处理图像，共同完成去噪增强的任务。在增强中，分别采用不同的增强规则增强低频和高频部分的小波系数，同时，采用小波系数间的相关性抑制噪声过增强；经过小波反变换后的增强图像采用去除8邻域意义下的孤立点噪声，以尽量减少图像中的剩余噪声。由于该算法涉及过多的图像处理，算法的复杂度较高，但是图像的质量得到了很大改善。 　　?ザ杂谝院蟮墓ぷ鳎?将进行更多的测试，尽量减小算法的复杂度以提高算法的效率，希望有一种更快更有效的算法增强MR图像，从而帮助医生对病情做出正确的诊断和图像的后续处理。 　　?? 　　参考文献： 　　［1］ 　　STARK J A. Adaptive contrast enhancement using generalization of histogram equalization[J].IEEE Trans Image Processing, 2000, 9( 5): 889－996. 　　[2]RAMPONI G, STROBEL N, MITRA S K,et al. Nonlinear unsharp masking methods for image contrast enhanc