核磁共振是一種安全的活體成像技術(shù),由這種成像技術(shù)得到的圖像即為核磁共振圖像（Magnetic Resonance Images,MRI）。醫(yī)生通過MRI能夠準(zhǔn)確且快速地確認病人病情,確保最佳的治療時機。因此,MRI是幫助醫(yī)生診斷病人病情的重要醫(yī)學(xué)工具,但MRI在成像或者傳輸過程中易受噪聲污染。這些噪聲不僅嚴(yán)重影響醫(yī)生對于病人病情診斷的精確性,還影響計算機對MRI后續(xù)處理的有效性,例如MRI的分割,配準(zhǔn)和分類。MRI中的紋理和細節(jié)結(jié)構(gòu)包含重要的醫(yī)學(xué)信息,在去除噪聲的同時應(yīng)盡可能地保留MRI本身的信息。因此,MRI去噪算法的研究具有重要的意義和價值。圖像去噪是圖像處理中一類常見的反問題,因而為了得到真實的解,需要限制解空間的大小。常見使去噪問題良態(tài)化的方法是在模型中引入圖像先驗,得到相應(yīng)的正則項來限制圖像的解空間。低秩矩陣分解去噪模型因其較好的去噪性能,近幾年已成為研究的熱點,但隨著噪聲強度的增加,噪聲大大破壞圖像的低秩性,該模型的去噪結(jié)果中會出現(xiàn)去噪不充分的情況。本文的研究內(nèi)容是在低秩矩陣分解去噪模型中引入核磁共振圖像的先驗信息來提升模型的去噪效果,在去除噪聲的同時最大程度地保留MRI本... 

【文章來源】：成都信息工程大學(xué)四川省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像去噪方法分類示意圖

陀氤讜ス?滔喙兀?煌?讜ス?痰玫講煌?嘈偷暮舜毆艙?圖像。弛豫過程是指原子核在一定條件下由激化狀態(tài)回到平衡排列狀態(tài)的過程[36]。根據(jù)弛豫過程的不同，MRI可以分為T1權(quán)重圖像和T2權(quán)重圖像。部分高能級氫質(zhì)子釋放能量后重新回到低能級的過程叫縱向弛豫，因縱向弛豫又被稱為T1弛豫，因此得到的圖像稱為T1加權(quán)圖像；同相氫質(zhì)子間由于互相的排斥作用而逐漸失相的過程叫橫向弛豫，同理，橫向弛豫又稱T2弛豫，因此得到的圖像是T2加權(quán)圖像。除此之外，反映組織間質(zhì)子密度弛豫時間差別的MRI被稱為質(zhì)子密度加權(quán)(PDW)圖像[37]。圖2-1給出了這三種MRI的示意圖，如圖所示圖2-1（a）是T1加權(quán)圖像，圖2-1（b）是T2加權(quán)圖像，圖2-1（c）是PD加權(quán)圖像。（a）T1加權(quán)圖像（b）T2加權(quán)圖像（c）PD加權(quán)圖像圖2-1不同類型的MRI示意圖

成都信息工程大學(xué)碩士學(xué)位論文第10頁共55頁差；fg是f和g的協(xié)方差。211ckR、222ckR和32cc/2為常數(shù)，其中R為圖像像素值范圍，且根據(jù)經(jīng)驗1k和2k分別取0.01和0.03；通常1，SSIM0,1。SSIM1則說明待評估圖像g與理想?yún)⒖紙D像f相似度很高，g的圖像質(zhì)量好。2.3噪聲圖像去噪的目的是去除圖像中的噪聲信號并盡可能地逼近真實圖像信號。令(x,y)為圖像中某個像素點的坐標(biāo)，InputI為噪聲圖像，OutI為去噪圖像，N為噪聲。如圖2-2所示，給定一個觀測噪聲圖像InputI，目的是求得原始圖像的一個估計OutI，去噪過程通常被如公式（2-8）所示的模型表示：(,)=(,)+(,)OutInputIxyNxyIxy(2-8)圖2-2去噪過程示意圖2.3.1噪聲模型噪聲常產(chǎn)生于圖像獲取或傳輸過程中，噪聲名稱大多來自于其概率服從的分布，下面介紹幾種常見噪聲及其概率密度函數(shù)。（1）高斯噪聲高斯噪聲是自然界中最常見的噪聲之一，常見于電子電路噪聲和傳感器噪聲中，其概率密度函數(shù)如公式（2-9）所示：22()/21()e2pzzz(2-9)其中z為灰度值，z、分別為z的均值和標(biāo)準(zhǔn)差。（2）瑞利噪聲

【參考文獻】：
期刊論文
[1]圖像質(zhì)量評價綜述[J]. 何南南,解凱,李桐,葉宇姍.  北京印刷學(xué)院學(xué)報. 2017(02)
[2]基于馬氏距離的改進非局部均值圖像去噪算法[J]. 陰盼強,路東明,袁淵.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2016(03)
[3]BM3D算法在海洋SAR圖像去噪中的應(yīng)用[J]. 石健,汪洋,黃海風(fēng),余安喜,李威.  雷達科學(xué)與技術(shù). 2016(01)
[4]聯(lián)合矩陣F范數(shù)的低秩圖像去噪[J]. 劉新艷,馬杰,張小美,胡釗政.  中國圖象圖形學(xué)報. 2014(04)
[5]基于稀疏性的圖像去噪綜述[J]. 郭德全,楊紅雨,劉東權(quán),何文森.  計算機應(yīng)用研究. 2012(02)
[6]圖像質(zhì)量評價綜述[J]. 劉書琴,毋立芳,宮玉,劉興勝.  中國科技論文在線. 2011(07)

碩士論文
[1]基于圖像塊先驗和Bootstrap的圖像去噪算法研究[D]. 黃靜靜.西安電子科技大學(xué) 2015
[2]基于低秩矩陣恢復(fù)的圖像去噪算法研究[D]. 王圳萍.西南交通大學(xué) 2015
[3]基于低秩矩陣分解的非局部稀疏模型圖像去噪方法研究[D]. 姚波旭.西安電子科技大學(xué) 2014
[4]醫(yī)學(xué)圖像去噪方法分析與比較[D]. 張璐.上海交通大學(xué) 2010



本文編號：2971355