去除磁共振成像图像莱斯噪声的加权扩散

doi:10.11772/j.issn.1001-9081.2014.10.2967

计算机应用 ›› 2014, Vol. 34 ›› Issue (10): 2967-2970.DOI: 10.11772/j.issn.1001-9081.2014.10.2967

去除磁共振成像图像莱斯噪声的加权扩散

贺建峰,陈勇,易三莉

昆明理工大学信息工程与自动化学院，昆明 650500

收稿日期:2014-05-12 修回日期:2014-06-11 出版日期:2014-10-01 发布日期:2014-10-30
通讯作者: 陈勇
作者简介:贺建峰（1965-），男，云南开远人，教授，博士，主要研究方向：医学信号处理、模式识别；陈勇（1986-），男，四川泸县人，硕士研究生，主要研究方向：数字图像处理、模式识别；易三莉（1977-），女，湖南岳阳人，讲师，博士，主要研究方向：医学图像处理与分析。
基金资助:
国家自然科学基金资助项目;教育部回国人员科研启动基金资助项目;云南省人培基金资助项目

Weighted diffusion for Rician noise reduction in magnetic resonance imaging image

HE Jianfeng,CHEN Yong,YI Sanli

Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming Yunnan 650500, China

Received:2014-05-12 Revised:2014-06-11 Online:2014-10-01 Published:2014-10-30
Contact: CHEN Yong

摘要/Abstract

摘要：

针对各向同性扩散易于造成图像边缘等特征区域的模糊以及相干增强扩散易于在图像背景区域内产生伪条纹的问题，提出了一种根据磁共振成像（MRI）图像莱斯噪声分布特点来对其进行降噪的加权扩散算法。该算法以MRI图像背景区域的莱斯噪声方差作为区分MRI图像背景区域和感兴趣的边缘特征区域二者特征差异的阈值。基于该阈值，该算法构造了一个加权函数，并用该函数对各向同性扩散和相干增强扩散进行加权。加权函数根据图像在不同结构区域的变化，自适应地调整两种扩散的权值，从而充分发挥两种扩散的优势并克服各自的不足。实验结果表明，该算法在峰值信噪比（PSNR）及平均结构相似度（MSSIM）的评价上优于一些经典算法。因此，该算法的降噪及保护、增强边缘的能力更为优越。

Abstract:

Since the isotropic diffusion will easily blur edge features,and coherence-enhancing diffusion will produce pseudo striations in the background regions during the denoising process, a weighted diffusion algorithm was proposed to reduce the Rician noise of Magnetic Resonance Imaging (MRI) image according to the distribution of noise. A threshold value was calculated by the Rician noise variance in the background region of MRI image, which might be used to distinguish the image background and the edge of Region-Of-Interest (ROI). A weighting function combining the isotropic diffusion and the coherence-enhancing diffusion based on the calculated value was constructed. The constructed function could adaptively adjust the weight values of two kinds of diffusion in different structural regions in order to give full play to the advantages while overcoming the disadvantages of the above two kinds of diffusion.The experimental results show that it is better than some classical diffusion algorithms in Peak Signal-to-Noise Ratio (PSNR) and Mean Structural Similarity(MSSIM).Thus, it has better performance on noise reduction and edge preservation or enhancement.

中图分类号:

TP391.413

贺建峰陈勇易三莉. 去除磁共振成像图像莱斯噪声的加权扩散[J]. 计算机应用, 2014, 34(10): 2967-2970.

HE Jianfeng CHEN Yong YI Sanli. Weighted diffusion for Rician noise reduction in magnetic resonance imaging image[J]. Journal of Computer Applications, 2014, 34(10): 2967-2970.

参考文献

［1］YI S. Estimation of diffusion tensor and its relevant technical research based on DT-MRI ［D］. Changsha: Central South University, 2011.(易三莉.基于扩散张量成像的扩散张量估算及相关技术研究［D］.长沙:中南大学,2011.)
［2］MOHAN J, KRISHNAVENI V, GUO Y H. A new neutrosophic approach of Wiener filtering for MRI denoising ［J］. Measurement Science Review, 2013,13(4):177-186.［3］ZHANG H, CHEN X, XING H. MRI image denoising based on improved wavelet thresholding ［J］. Journal of Computer Applications, 2007,27(6):1465-1467.(张海建，陈向东，幸浩洋.基于改进的小波阈值技术MRI图像去噪［J］.计算机应用，2007,27（6）：1465-1467.)
［4］ERTURK A M, PAUL B A, SHARKAWY E. Denoising MRI using spectral subtraction ［J］. IEEE Transactions on Biomedical Engineering, 2013,60(6):1556-1562.
［5］KANG B, CHOI O, KIM J D, et al.Noise reduction in magnetic resonance images using adaptive non-local filtering ［J］. Electronics Letters, 2013,49（5）：324-325.
［6］WITKIN A P. Scale space filtering ［C］// Proceedings of International Joint Conference on Artificial Intelligence. New York: ACM, 1983:1019-1021.
［7］PERONA P, MAlLIK J. Scale space and edge detection using anisotropic diffusion ［J］ . IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990,12(7):629-639.
［8］BLACK M J, SAPIRO G, MARIMONT D H, et al.Robust anisotropic diffusion ［J］. IEEE Transactions on Image Processing, 1998,7（3）:421-432.
［9］GILBOA G, SOCHEN N, ZEEVI Y Y. Image enhancement and denoising by complex diffusion process ［J］ . IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004,26（8）:689-703.
［10］WEICKERT J. Coherence-enhancing diffusion filtering ［J］. International Journal of Computer Vision,1999,31(2/3):111-127.
［11］CHENG J, TIAN J, HE Y, et al.Fingerprint enhancement algorithm based on nonlinear diffusion filter ［J］. Acta Automatica Sinica, 2004,30(6):855-862.（程建刚，田捷，何余良，等.基于非线性扩散滤波的指纹增强算法［J］.自动化学报，2004,30（6）：855-862.）
［12］CHAO S M, TSAI D M. An improved anisotropic diffusion model for detail-and edge-preserving smoothing ［J］ . Pattern Recognition Letters, 2010,31（13）:2012-2023.
［13］LI H C, FAN P Z, KHAN M K. Context-adaptive anisotropic diffusion for image denoising ［J］. Electronics Letters, 2012,48（14）：827-828.
［14］CHENG G K, BASSER P J. Analytically exact correction scheme for signal extraction from noisy magnitude MR signals ［J］. Journal of Magnetic Resonance, 2006,179（2）:317-322.

［15］WANG Z, BOVIK A C, SHEIKH H R, et al.Image quality assessment:from error visibility to structural similarity ［J］ . IEEE Transactions on Image Processing, 2004,13(4):600-612.

[1]	温静, 宋建伟. 基于多级全局信息传递模型的视觉显著性检测[J]. 计算机应用, 2021, 41(1): 208-214.
[2]	许长青, 陈振杰, 侯仁福. 融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法[J]. 计算机应用, 2020, 40(12): 3550-3557.
[3]	陈利霞, 班颖, 王学文. 基于张量核范数与3D全变分的背景减除[J]. 计算机应用, 2020, 40(9): 2737-2742.
[4]	邓茜文, 冯子亮, 邱晨鹏. 基于近红外与可见光双目视觉的活体人脸检测方法[J]. 计算机应用, 2020, 40(7): 2096-2103.
[5]	王肖, 魏嘉旺, 袁玉波. 基于特征部位圆形域的人脸图像修复方法[J]. 计算机应用, 2020, 40(3): 847-853.
[6]	刘颖, 王凤伟, 刘卫华, 艾达, 李芸, 杨凡超. 基于亮度分区模糊融合的高动态范围成像算法[J]. 计算机应用, 2020, 40(1): 233-238.
[7]	王文杰, 乔志伟, 牛蕾, 席雅睿. 自适应步长非局部全变分约束迭代图像重建算法[J]. 计算机应用, 2020, 40(1): 245-251.
[8]	严经纬, 李强, 王春茂, 谢迪, 王保青, 戴骏. 面部运动单元检测研究综述[J]. 计算机应用, 2020, 40(1): 8-15.
[9]	王书朋, 赵瑶. 基于自适应分割的多曝光图像融合算法[J]. 计算机应用, 2020, 40(1): 252-257.
[10]	马伟苹, 李文新, 孙晋川, 曹鹏霞. 基于粗精立体匹配的双目视觉目标定位方法[J]. 计算机应用, 2020, 40(1): 227-232.
[11]	王鑫, 张鑫, 宁晨. 基于多特征降维和迁移学习的红外人体目标识别方法[J]. 计算机应用, 2019, 39(12): 3490-3495.
[12]	曹昀炀, 王涛. 耦合先验拉普拉斯坐标的半监督图像分割算法[J]. 计算机应用, 2019, 39(9): 2695-2700.
[13]	王克强, 张雨帅, 王保群. 基于Retinex理论的多曝光图像融合算法[J]. 计算机应用, 2019, 39(7): 2087-2092.
[14]	李文俊, 陈斌, 李建明, 钱基德. 基于深度神经网络的表面划痕识别方法[J]. 计算机应用, 2019, 39(7): 2103-2108.
[15]	朱锴, 付忠良, 陈晓清. 基于卷积神经网络的超声图像左心室分割方法[J]. 计算机应用, 2019, 39(7): 2121-2124.

去除磁共振成像图像莱斯噪声的加权扩散

Weighted diffusion for Rician noise reduction in magnetic resonance imaging image

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics