磁共振图像去噪算法研究-生物医学工程专业论文.docxVIP

万方数据 万方数据 上海交通大学硕士学位论文 上海交通大学硕士学位论文 磁共振图像去噪算法研究 摘 要 磁共振图像成像过程中由于成像机制的影响，不可避免的引入噪 声。图像中的噪声会大大降低图像的质量，使组织边界模糊，细微结 构难以辨认，影响医学诊断。因此在磁共振图像去噪中，有效的去除 噪声的同时很好的保留图像边界和结构信息是十分重要的。 非局部均值考虑到了图像结构的相似性，具有良好的去噪效果， 近年来得到研究和发展，是公认的一种去噪效果较好的算法。但是， 当噪声水平较高时，该算法对相似度计算的精确度大大降低。所以， 本文中我们提出一种基于多通道滤波器的非局部均值算法，该算法将 LM 滤波器组（包含不同方向、形状的滤波器）作用于图像，由此， 图像中每个像素对应一组响应值，这组响应值组成一个特征向量。然 后，根据得到的特征向量来计算像素间的相似度。 实验时，我们选择基于 P-M 方程的各向异性扩散去噪法、基于小 波变化的去噪法、传统的非局部均值算法来与我们提出的算法进行比 较。考虑高斯噪声、Rician 噪声以及真实噪声三种情况，在不同噪声 水平下进行实验。我们选择多个指标综合衡量不同算法去噪效果，包 括峰值信噪比（PSNR）、均方误差（MSE）、图像结构失真度（SSIM）、 局部方差分布的相似度（QILV）以及方法噪声。 通过对各种算法的主观以及客观评价，我们得出结论：基于多通 道滤波器的非局部均值算法可以更好的去处图像中噪声，能够更多的 恢复原图的边缘以及细微的解剖结构。当噪声水平较高的时候，这种 优势更加明显。 关键词：非局部均值，相似性，滤波器组，Rician 噪声，图像去噪 I Research on Denoising Algorithms for Magnetic Resonance Images ABSTRACT In the process of magnetic resonance (MR) imaging, it is inevitable to introduce noise due to the imaging system. The noise of image will greatly reduce the image quality, make the organization boundary fuzzy and fine structure difficult to identify, which will influence medical diagnosis. So in the field of MR image denoising, it is of great importance to effectively remove addictive noise while retaining good boundary and structure information. The nonlocal (NL) means filter is a successful approach proposed in recent years due to its patch similarities comparison. However, the accuracy of similarities in this algorithm degrades when containing heavy noise. In this paper, based on the perception that folded gray and white matters are commonly found in MR images, we introduce a multi-channel filter based feature similarities into NL-means filter. The multi-bank based feature vectors of each pixel in the image are computed by convolving Leung-Malik set (contains edge, bar, and spot filters) from various orientations and scales, and then the similarities according to this information are computed instead of pixel intensity. In this paper, we select the anisotropic diffusion denoising method, the wavelet b