论文部分内容阅读
随着科学的发展与技术的进步,数字图像信号处理已成为了一门新的学科,且广泛的应用于各个领域,成为很多技术不可缺少的部分。其理论与技术也随着研究者们的不断探索而加深,壮大。 本文主要针对弥散加权成像的去噪方法进行了研究。弥散加权成像作为核磁共振成像的一种衍生技术,也是唯一非入侵式的脑部检测技术,故广泛的应用于临床诊断与治疗之中。但其往往受到多种因素的影响,在成像的过程中引入了噪声,从而影响图像的质量,降低了图像的可靠性与可读性。所以对弥散加权成像去噪方法的研究无论是在医学应用领域还是在数字图像领域都有着重要的作用与意义。目前大多数算法都假设噪声是已知的,忽略了实际中噪声的多样性。本文首先将对弥散加权成像包含的噪声进行分析,为去噪模型的建立奠定充足的理论依据。现有的去噪模型往往没有考虑弥散加权成像的结构特征与图像特点,没有针对不同的区域考虑相应的去噪手段。针对该问题,本文在非局部均值算法与基于偏微分方程算法的基础上分别做出了相应的改进,提出了新的思路,建立了新的去噪模型。弥散加权成像不同于传统的自然图像,主要是给医生提供充足的信息,带有一定的主观色彩,且对各种结构细节的保留具有一定的要求,以此来提高诊断的正确性与治疗的效果。本文也将根据这一特点提出新的图像复原质量评价的思路。本文主要做了如下工作: 第一、阐述了弥散加权成像去噪方法的国内外研究现状和重大的科研意义,介绍了弥散加权图像所独有的成像特点以及成像所包含的噪声的特点、来源等内容。 第二、对弥散加权成像中所包含的噪声进行了详尽的分析。提出了基于背景的噪声估计算法和鲁棒迭代算法,为弥散加权成像去噪算法的建立提供了指导性的意见。为了满足医学图像质量评价的特殊性,本文以现有的评价标准为基础,提出了一种针对弥散加权成像质量评价的思路。 第三、介绍了经典的去噪算法,详细的分析了非局部均值去噪算法和基于偏微分算法的不足与优势,为算法的改进与新算法的提出提供指导性的意见。 第四、在经典的非局部均值算法的思路上,结合弥散加权成像自身的结构特点与相关特征。针对原模型的不足之处做出相应的改进,提出了高斯余弦型的加权核函数与全角度相似性度量函数。新的模型不仅相对于经典模型在去噪效果上有了很大的提升,而且也比目前基于非局部均值的各种去噪算法有着更好的效果。 第五、在基于偏微分方程去噪算法的基础上。结合了弥散加权成像服从Rician噪声分布的特点,图像间的相关信息。构建了自适应项系数,其能够很好的区分像素所处的区域特征,从而构建自适应保真项。又根据图像梯度的特征要求,构建了自适应的梯度保真项。从而得到了双保真全变差模型,其不仅针对弥散加权成像具有很好的效果,而且对于传统图像也具有不俗的表现。