[发明专利]基于高阶奇异值分解的磁共振图像去噪方法

权利要求书

1.一种基于高阶奇异值分解的磁共振图像去噪方法，依次包括如下步骤：

（1）对加有莱斯噪声的原始磁共振图像进行方差稳定变换，将依赖信号分布的莱斯噪声变成独立于信号分布的噪声，得到变换后的噪声图像；

（2）将变换后的噪声图像中的每一个像素作为标的像素或者按照一定距离间隔取像素作为标的像素，取标的像素及其周围的像素作为参考块，执行以下操作进行第一次高阶奇异值分解去噪，具体是：

（a）通过k最近邻方法依次逐个寻找参考块的相似块，组成高维数组；

（b）对高维数组进行高阶奇异值分解变换，得到对应的系数和自适应基；

（c）通过第一阈值操作，将绝对值小于第一阈值的系数置零得到修正后的系数；

（d）根据自适应基与修正后的系数，进行高阶奇异值分解逆变换，将逆变换后的结果作为该高维数组中所有图像块去除噪声后的估计值；

（3）对步骤（2）得到的估计值加权平均进行像素合并，得到像素合并后的估计值，对每一个像素进行像素合并得到第一次去噪后的图像；

（4）对方差稳定变换后的噪声图像和第一次去噪后的图像进行加权平均，得到第一次加权平均后的图像；

（5）对第一次加权平均后的图像进行第二次高阶奇异值分解去噪，具体是：

（5.1）将第一次加权平均后的图像中的每一个像素作为二次标的像素或者按照一定距离取像素作为二次标的像素，取二次标的像素及其周围的像素作为二次参考块，执行以下操作：

（a）以第一次去噪后的图像进行相似块判断，通过k最近邻方法依次逐个寻找二次参考块的二次相似块，组成二次高维数组；

（b）对二次高维数组进行高阶奇异值分解变换，得到对应的二次系数和二次自适应基；

（c）通过二次阈值操作，将绝对值小于二次阈值的二次系数置零得到修正后的二次系数；

（d）根据二次自适应基与修正后的二次系数，进行高阶奇异值分解逆变换，将逆变换后的结果作为该高维数组中所有图像块去除噪声后的二次估计值；

（5.2）对步骤（5.1）得到的二次估计值加权平均进行像素合并，得到像素合并后的二次估计值，对每一个像素进行像素合并得到第二次去噪后的图像；

（6）对第二次去噪后的图像进行方差稳定逆变换，得到最终的滤波图像。

2.根据权利要求1所述的基于高阶奇异值分解的磁共振图像去噪方法，其特征在于：所述步骤（2）中（c）分步骤的第一阈值大小                                                ,其中p为块大小，d为图像维度，K为相似块的个数，为方差稳定变换后图像的标准差。

3.根据权利要求2所述的基于高阶奇异值分解的磁共振图像去噪方法，其特征在于：所述步骤（4）具体是采用迭代正则化方法将方差稳定变换后的噪声图像和第一次去噪后的图像进行加权平均。

4.根据权利要求3所述的基于高阶奇异值分解的磁共振图像去噪方法，其特征在于：所述步骤（4）对方差稳定变换后的噪声图像和第一次去噪后的图像进行加权平均具体为：

；

其中表示第一次去噪后的图像，表示方差稳定变化后的噪声图像，是松弛参数，表示噪声图像对图像的贡献。

5.根据权利要求4所述的基于高阶奇异值分解的磁共振图像去噪方法，其特征在于：

所述步骤（5）中（c）分步骤的二次阈值大小，其中，为尺度参数，控制图像的标准差大小。

6.根据权利要求1至5任意一项所述的基于高阶奇异值分解的磁共振图像去噪方法，其特征在于：

所述步骤（2）的（a）中，通过k最近邻方法依次逐个寻找参考块的相似块，相似块的块大小和相似块个数的取值根据噪声水平而定；

当噪声水平不大于2%时，相似块的块大小为3，相似块个数为30—70；

当噪声水平大于2%而小于等于7%时，相似块的块大小为4，相似块个数为70—80；

当噪声水平大于7%而小于等于15%时，相似块的块大小为5，相似块个数为100—130。

7.根据权利要求1至5任意一项所述的基于高阶奇异值分解的磁共振图像去噪方法，其特征在于：

所述步骤（5）的（a）中，通过k最近邻方法依次逐个寻找二次标的像素参考块的二次相似块，二次相似块的块大小和二次相似块个数的取值根据噪声水平而定；

当噪声水平不大于2%时，二次相似块的块大小为3，二次相似块个数为30—70；

当噪声水平大于2%而小于等于7%时，二次相似块的块大小为4，二次相似块个数为70—80；

当噪声水平大于7%而小于等于15%时，二次相似块的块大小为5，二次相似块个数为100—130。