[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

说明书

本发明公开一种基于多降噪器联合优化降噪的MRI图像降噪方法，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；本发明通过将一幅MRI图像分割成若干个小图像，分别输入到多个并联的IBM3D降噪器进行降噪，在不改变降噪效果的前提下，大大提升算法效率和降噪的效果，将降噪后的多个图像进行优化融合，然后将优化融合后的图像输入到基于深度学习的质量提升降噪器，得到最终降噪后的MRI图像，既能很好地对MRI图像进行降噪，又能够对MRI图像的细节进行恢复保持，同时模型训练的机制能够加快训练过程中的收敛速度，提高模型的精确度，降低模型初始化具有的敏感性。

技术领域

本发明涉及医学图像处理、人工智能和机器视觉技术领域，尤其涉及一种基于多降噪器联合优化降噪的MRI图像降噪方法。

背景技术

磁共振成像技术具有高分辨率、多模式、无创性成像方式等优点，能够显示人体内部的三维结构信息，现在，MRI已经被广泛应用于科学研究和人体临床诊断等领域，然而，受磁共振成像机制和人体限制，图像不可避免的会引入噪声，尤其是在高分辨率和快速成像时，图像噪声会更加严重，这些噪声会模糊图像细节，降低图像的信噪比，影响临床诊断和后续的分析任务；

现有的一些降噪算法存在关键细节信息容易丢失、图像恢复不够清晰、计算复杂程度高和非常耗时等缺点，同时随着网络深度增加，深度学习会遇到梯度弥散和梯度爆炸的严重问题，导致网络无法收敛，因此，本发明提出一种基于多降噪器联合优化降噪的MRI图像降噪方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出一种基于多降噪器联合优化降噪的MRI图像降噪方法，该基于多降噪器联合优化降噪的MRI图像降噪方法通过将一幅MRI图像分割成若干个小图像，分别输入到多个并联的IBM3D降噪器进行降噪，将降噪后的多个图像进行优化融合，然后将优化融合后的图像输入到基于深度学习的质量提升降噪器，得到最终降噪后的MRI图像，既能很好地对MRI图像进行降噪，又能够对MRI图像的细节进行恢复保持。

为实现本发明的目的，本发明通过以下技术方案实现：一种基于多降噪器联合优化降噪的MRI图像降噪方法，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。