[发明专利]一种基于多降噪器联合优化降噪的MRI图像降噪方法

权利要求书

1.一种基于多降噪器联合优化降噪的MRI图像降噪方法，其特征在于：包括基于IBM3D多并联降噪器、多并联IBM3D优化降噪器、图像质量提升降噪器和模型训练，所述基于IBM3D多并联降噪器是基于块匹配和IBM3D的图像视频去噪算法通过搜索相似块并在变换域进行滤波，得到块评估值，最后对图像中每个店进行加权得到最终去噪图像，其中IBM3D降噪算法具有以下两步：

第一步、初始估计

①逐块估计、对含噪图像中的每一块进行分组，找到它的重叠相似块然后把它们聚集到一个三维数组；

②联合硬阈值、对形成的三维数组进行三维引导滤波器滤波，通过对滤波后的系数进行硬阈值处理减弱噪声，然后进行逆滤波得到组中所有图像块的估计值，然后把这些估计值按照相应的顺序返回到他们的原始位置；

③聚集、对得到的有重叠的图像块估计，通过对他们进行加权平均得到真实图像的初始估计；

第二步、最终估计

①逐块估计、对第一步的图像中的每一块，通过块匹配找到与它相似的相似块在基础估计图像中的位置，通过这些位置得到两个三维数组，一个是从含噪图像中得到的，一个是从第一步的图像中得到的；

②联合维纳滤波、对形成的两个三维数组均进行三维变换，以初始估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，然后逆变换得到组中所有图像块的估计，然后把这些估计值返回到他们的原始位置；

③聚集、对得到的有重叠的局部块估计，通过对他们进行加权平均得到真实图像的最终估计。

所述多并联IBM3D优化降噪器由多个并联的IBM3D降噪器构成，设共有n个并联的IBM3D降噪器，分别用D₁、D₂、…、D_n表示，其输出分别用d₁、d₂、…、d_n表示，即：

d₁＝D₁(x)，d₂＝D₂(x)，…，d_n＝D_n(x) (1)

式(1)中的x表示输入图像，对上述的输出进行加权优化，得到最终降噪后的图像，用y表示：

式(2)中W＝[w₁,w₂,…,w_n]^T表示加权矢量，D＝[d₁，d₂，…，d_n]表示IBM3D降噪输出矢量，通过求解W从而得到y。

所述图像质量提升降噪器包括特征提取层、非线性映射层和反卷积层。

所述模型训练使用DATAS图像数据集作为训练集，首先从DATAS中选取MRI图像来构建噪声图像/清晰图像训练图像对，然后将MRI图像裁剪成51*51大小，动量为0.9的训练图像对，使用0.0001的权重衰减系数和衰减率为0.9的SGD优化方法，采用批量标准化将初始数据分布变成准高斯分布，加快收敛速度。

2.根据权利要求1所述的一种基于多降噪器联合优化降噪的MRI图像降噪方法，其特征在于：所述求解W的方法是利用最小均方误差MSE来约束求解W。

设有噪声图像/清晰图像样本集{x_i，X_i∣i＝1，2，…，m}，且满足m＞n，对每个输入x_i，其对应的加权输出为y_i，

其中d_1j＝D₁(x_j)，d_2j＝D₂(x_j)，…，d_nj＝D_n(x_j)，对于所有样本集使得输出的总体均方误差最小，即使得下式(4)最小：

将式(4)写成矢量的表示形式

MSE＝Y-DW (5)

用最小二乘法可以求出W，对上式求导，使得导数等于0，则

W＝(D^TD)^-1D^TY (6)