[发明专利]一种基于局部方向统计特性的MRI影像噪声去除方法

说明书

本发明公开一种基于局部方向统计特性的MRI影像噪声去除方法，包括步骤：对存在噪声的MRI图像进行噪声估计，并获得类高斯函数；基于MRI图像获得多个积核大小下的多个方向下的梯度方向基础模型组；判断声点：对MRI图像的每一个像素点，根据梯度方向基础模型组判断其是否为噪声点；进行噪声点去除：如果是噪声点则通过所述类高斯函数进行去噪复原。本发明能够基于局部因素对MRI影像进行去噪，提高去噪效果，去噪结构更贴近实际情况。

技术领域

本发明属于MRI影像处理技术领域，特别是涉及一种基于局部方向统计特性的MRI影像噪声去除方法。

背景技术

MRI去噪方法大体可分为：滤波方法，如无偏非局部均值方法利用图像的相似性从而避免了失真，但存在着计算量大等问题；统计方法，如统计局部信息利用最小平均平方误差估计公式进行去噪的线性最小平均平方误差方法，具有速度快但存在着边缘失真的问题；以及变换域处理方法，比如小波变换等。

目前滤波方法的MRI去噪的方法大多都是基于噪声的方差已知，往往在处理开始会首先假设噪声的方差，这些方法有以下局限：(1)计算使用的参数不是图像的实际参数所以去噪的效果不佳；(2)同时之前的方法没有考虑MRI图像的局部区域对去噪效果的影响，很难满足实际需求；(3)传统的方法如统计排序滤波，最优陷波滤波等也存在着只对特定环境有较好的效果，对于大块的噪声比较难处理。因此，最后上诉的这些方法都只能在整体上进行复原，无法判断某个点是噪声还是正常点，无法做到像素级还原。

发明内容

为了解决上述问题，本发明提出了一种基于局部方向统计特性的MRI影像噪声去除方法，能够基于局部因素对MRI影像进行去噪，提高去噪效果，去噪结构更贴近实际情况。

为达到上述目的，本发明采用的技术方案是：.一种基于局部方向统计特性的MRI影像噪声去除方法，包括步骤：

对存在噪声的MRI图像进行噪声估计，并获得类高斯函数；

基于MRI图像获得多个积核大小下的多个方向下的梯度方向基础模型组；

判断声点：对MRI图像的每一个像素点，根据梯度方向基础模型组判断其是否为噪声点；

进行噪声点去除：如果是噪声点则通过所述类高斯函数进行去噪复原。

进一步的是，为了应对局部图像的噪声变化，并且结合MRI图像的图像四周并不存在有效数据信息，对存在噪声的MRI图像进行噪声估计，并获得类高斯函数，包括步骤：

采集MRI图像的四周子图区域作为噪声子图像，计算子图像的方差；

利用方差估计噪声的类高斯函数。

进一步的是，对存在噪声的MRI图像进行噪声估计，包括步骤：

利用四周子图区域分别获得四个噪声子图像，计算四个噪声子图像中心矩；

通过中心矩来获得方差，方差为c＝(c1+c2+c3+c4)/4；其中，c1、c2、c3和c4分别为四个噪声子图像的方差；

利用方差估计噪声的类高斯函数，类高斯函数为＝255/(2*pi*c*c)；其中，c为方差，pi为圆周率。

进一步的是，基于MRI图像获得多个积核大小下的多个方向下的梯度方向基础模型组，包括步骤：

建立多组不同卷积核大小下的梯度方向图像组，每一组中包括多个方向；

通过MRI图像与每个卷积核进行卷积操作，获得每组核大小下的不同方向的梯度方向基础模型组。

进一步的是，基于MRI图像获得多个积核大小下的多个方向下的梯度方向基础模型组，包括步骤：