[发明专利]基于改进的canny边缘检测的非局部均值MRI图像去噪方法

说明书

技术领域

本发明涉及一种图像去噪方法，具体涉及一种基于改进的canny边缘检测的非局部均值MRI图像去噪方法，属于图像处理技术领域。

背景技术

近年来，随着磁共振成像(magnetic resonance images，MRI)技术的发展，人类对脑研究的能力得到了空前提高，与此同时产生了大量的MRI图像。MRI图像的获取过程中经常受到不同的噪声干扰，研究发现，MRI图像中的噪声主要呈现Rician分布。

目前MRI图像已被广泛用于医学诊断，针对目前MRI图像存在的噪声其相应的处理技术也有多种，其中比较流行的有各向异性扩散去噪法、全变差去噪法、非局部均值去噪法等。

各向异性扩散去噪法的模型本身的特点决定了它存在的缺陷。当图像被强噪声污染时，噪声引起的梯度很可能会大于图像细节边缘的梯度，这时该模型无法正确区分噪声和细节边缘，从而无法很好的去除噪声。

全变差去噪法在图像的TV范数和忠诚项之间找到一种平衡态,即能量泛函的极小值，但是当能量泛函中的参数λ很小时,像纹理这样的图像小细节特征就会被毁坏。

非局部均值去噪法存在着以下缺点：(1)算法复杂度大，计算时间长；(2)相似窗口的相似度度量函数仅考虑了像素的强度相似性，像素权重分配的准确性有待提高；(3)部分参数选取过于敏感，缺乏完善的理论指导；(4)非局部均值去噪存在偏差，在实际应用中应该予以修正。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于改进的canny边缘检测、能够有效、准确去除MRI图像噪声的非局部均值MRI图像去噪方法。

为了实现上述目标，本发明采用如下的技术方案：

一种基于改进的canny边缘检测的非局部均值MRI图像去噪方法，其特征在于，包括以下步骤：

步骤1，对含有Rician噪声的MRI图像进行幅值平方处理，获得幅值平方图像；

步骤2，选取幅值平方图像的背景区域，根据式(1)给出的噪声估计表达式进行噪声估计：

式中，μ为幅值图像平方图像中所选背景区域的像素均值，σ为噪声方差；

步骤3，采用canny算子抽取幅值平方图像的边缘：

(1)滤波：使用经典的非局部均值滤波器对幅值平方图像进行平滑滤波；

(2)计算梯度值与梯度方向角：分别求取滤波后幅值平方图像在X方向和Y方向的梯度M_x和M_y，根据前述梯度M_x和M_y计算幅值平方图像的梯度值|△f|与梯度方向角θ：

将0°～360°梯度方向角归并为4个方向：0°，45°，90°，135°；

(3)非最大值抑制：将在梯度方向上具有最大梯度值的像素作为边缘像素保留，将其它像素删除；

(4)滞后阈值化：设定一个高阈值t_high和一个低阈值t_low，根据像素梯度值与高阈值t_high、低阈值t_low的关系来标记边缘像素；

步骤4，计算相似性测度：

选取大小为5×5的相似块，在11×11的范围内进行边缘抽取和检测，设幅值平方图像上某一点的强度为I(x,y)，幅值平方图像中边缘图像上的某一点的幅值为Canny(x,y)，其中，x、y是某个像素i的位置，

两个相似块之间的边缘相似性测度D₁由式(4)给出：

D₁＝||Canny(N_i)-Canny(N_j)||_2,b式(4)

式中，N_i为第i个像素的邻域，N_j为第j个像素的邻域，b为标准差为b的高斯核加权；

两个相似块之间的强度相似性测度D₂由式(5)给出：

式中，N_i为第i个像素的邻域，N_j为第j个像素的邻域，a为标准差为a的高斯核加权；

步骤5，权重参数计算：

结合步骤4中计算的两个相似块之间的强度相似性测度D₂以及边缘相似度测度D₁，形成新的权重计算表达式：