[发明专利]基于图像块自相似性先验的核磁共振图像去噪方法

说明书

本发明公开了基于图像块自相似性先验的核磁共振图像去噪方法，所述方法包括：基于图像块间的自相似性构造聚类正则项；基于聚类正则项和低秩分解去噪方法，建立图像去噪模型；对图像去噪模型进行优化，基于优化后的图像去噪模型对图像进行去噪处理；解决了现有的去噪方法的不足，在去除噪声的同时能较大程度的保留图像的细节信息的技术效果。

技术领域

本发明涉及图像去噪处理领域，具体地，涉及一种基于图像块自相似性先验的核磁共振图像去噪方法。

背景技术

核磁共振图像(Magnetic Resonance images，MRI)是帮助医生诊断病人病情的重要医学工具，医生通过MRI能够准确快速地确认病人的病情，确保最佳的治疗时机。但MRI在成像过程中易受噪声污染，这些噪声会大大影响图像的质量，严重影响医生对于病人病情诊断的精确性。

MRI图像去噪是图像处理中一种典型的不适定问题，针对图像处理中的不适定问题，已有的方法是添加图像先验信息，使其良态化。常见图像去噪方法利用图像自相似性、冗余性、稀疏性和最小变分性等性质作为先验信息，用来缩小图像解的范围和保证图像解的性质。大多数的去噪方法基于信号平均原则，通过利用图像空间冗余性和自相似性来实现去噪效果。其中一些经典的去噪算法是基于图像的灰度信息，利用局部像素点之间平滑性来对图像进行去噪。均值滤波器、中值滤波器、维纳滤波和高斯滤波等均是基于图像灰度信息的滤波器。并且早在2000年，高斯滤波器就被广泛用于功能核磁共振图像(FunctionMagnetic Resonance images，FMRI)去噪中，但高斯滤波会使得图像处理结果趋于平滑，模糊图像边缘，使得图像失去过多细节信息。针对在去噪过程中基于图像的灰度信息的去噪方法会使得图像易丢失边缘信息，失去图像细节等缺点，人们提出基于图像梯度的去噪算法。Perona等人提出P-M扩散方程，此种方程具有非线性的滤波能力，能够较好的保持图像的梯度跳跃、边缘和细节等。各向异性滤波器(Anisotropic Diffusion Filter，ADF)被提出用来去噪和保留图像的边缘信息。Rudin、Osher和Fatemi提出的最小全变分模型(TotalVariation，TV)——ROF模型，因其较好的去噪效果和保持边缘信息的能力，被广泛应用于自然图像和医学图像去噪中。至此，提到的去噪算法都是针对完整图像的操作，这使得在去噪过程中对整幅图像的优化和先验知识的学习工作量巨大，因此，基于图像块先验的方法被提出。图像块包含丰富的局部结构信息，能够对图像去噪提供足够的先验信息，并且对图像块先验进行学习会大大减少学习的工作量，提高计算效率。Buades等人提出的非局部去噪算法，正是基于图像块的去噪方法，充分利用了图像块内部的自相似性。利用图像本身的自相似性来进行图像去噪，效果非常不错。因此，Manjón等人将非局部算法应用于MRI去噪，取得了非常好的效果，该方法也成为了医学图像的经典去噪算法。

目前针对MRI去噪有两个问题：

(1)根据图像灰度和图像梯度信息来对图像进行去噪的方法，是针对整幅图像的操作，这使得在去噪过程中对整幅图像的优化工作量巨大，耗时长；

(2)随着噪声强度的增大，现有的大多数去噪方法保留图像细节的能力大大降低，去噪结果不符合人体视觉感受。

发明内容

本发明提供了一种基于图像块自相似性先验的核磁共振图像去噪方法，解决了现有的去噪方法的不足，实现了去噪的有效性较高，在去除噪声的同时能较大程度的保留图像的细节信息的技术效果。

为实现上述发明目的，本申请提供了基于图像块自相似性先验的核磁共振图像去噪方法，用图像块间的自相似性先验构造了聚类正则项来提升低秩矩阵分解方法的去噪性能，所述方法包括：

基于图像块间的自相似性构造聚类正则项；

基于聚类正则项和低秩分解去噪方法，建立图像去噪模型；

对图像去噪模型进行优化，基于优化后的图像去噪模型对图像进行去噪处理。