论文部分内容阅读
磁共振(Magnetic Resonance,MR)图像去噪是提高医疗诊断准确性、图像处理领域内图像配准和分割质量的不可或缺的重要预处理步骤。传统的去噪方法应用于磁共振图像去噪,随着噪声水平的增加,去噪效果明显有待进一步提高,人们从视觉上就难以接受传统方法去噪的磁共振图像。研究人员希望能够有更先进的去噪方法,因此许多研究人员致力于去噪算法的研究,发现非局部均值(NonLocal Means,NLM)去噪算法应用于磁共振图像去噪,无论从主观还是客观标准上,相比于传统去噪方法,去噪效果有了很大提升。近几年来,非局部均值去噪算法的改进和优化不断发展,在改进过程中,发现磁共振图像中噪声是莱斯(Rician)噪声。根据磁共振图像中莱斯噪声的特殊统计特征,非局部最大似然去噪方法被提出应用于磁共振图像去噪。非局部最大似然去噪算法通过排除不相似的像素来恢复待去噪像素真实潜在的强度值,因此非局部最大似然去噪算法有更大的潜力。本文的工作致力于非局部最大似然去噪算法的改进,主要的改进之处包括以下两个方面:(1)在像素邻域的离散余弦变换(Discrete Cosine Transform,DCT)子空间中进行相似性度量,而经典的非局部均值去噪算法及非局部最大似然(NonLocal Maximum-Likelihood,NLML)去噪算法中,相似性度量是基于像素邻域的强度值相似性。由于离散余弦变换的低数据相关性和高能量集中性,相似性样本选择的准确性得到提高。(2)在像素邻域的离散余弦变换子空间中使用K均值(K-means)聚类算法自适应地选择样本,而经典的非局部最大似然去噪算法使用固定的样本大小用于最大似然(Maximum-Likelihood,ML)估计。所提出的滤波器与非局部最大似然滤波器,非局部均值滤波器和这些滤波器的变体在磁共振图像上的定量和定性比较实验表明提出的滤波器在保留图像细节的同时更好地去除图像噪声。尤其是当磁共振图像中噪声强度较大时,该滤波器的去噪效果更加显著。