[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

摘要

本发明公开了一种基于改进的canny边缘检测的非局部均值MRI图像去噪方法，包括(1)对MRI图像进行幅值平方处理获得幅值平方图像；(2)噪声估计；(3)采用canny算子抽取幅值平方图像的边缘；(4)计算两个相似块之间的边缘/强度相似性测度；(5)计算权重参数；(6)非局部均值方法处理；(7)修正偏差。本发明的有益之处在于由于同时考虑了相似块之间的边缘相似性，采用改进的canny边缘检测技术，克服了传统NLM方法中相似块之间的距离仅依靠像素强度单一参量进行权重参数计算的弊端，使得相似度测量更加准确，进而提高了图像去噪的效果；采用了非局部均值滤波代替高斯滤波，较好的保持了边缘，并且去掉了部分噪点，使边缘检测更加准确。

主权项

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Mx和My，根据所述梯度Mx和My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thigh和一个低阈值tlow，根据像素梯度值与高阈值thigh、低阈值tlow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(Ni)‑Canny(Nj)||2,b   式(4)式中，Ni为第i个像素的邻域，Nj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，Ni为第i个像素的邻域，Nj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：式中，h是滤波参数，h'是边缘滤波参数，Z(i)是全局归一化函数，步骤6，非局部均值方法处理：对含Rician噪声的幅值平方图像中的每一个像素执行式(7)：其中，0≤w(i,j)≤1，Y(i)为像素i的强度，Y(j)为像素j的强度，遍历整幅图像得到非局部均值方法处理后的图像；步骤7，修正偏差：对步骤6得到的去噪图像进行偏差修正，最终去噪后图像S由下面表达式获得：if NLM(I(i))≥2σ2S(i)＝0 elseI(i)为像素i的强度。