基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法
【專利摘要】本發明公開了一種基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法，包括：(1)對MRI圖像進行幅值平方處理獲得幅值平方圖像；(2)噪聲估計；(3)采用canny算子抽取幅值平方圖像的邊緣；(4)計算兩個相似塊之間的邊緣/強度相似性測度；(5)計算權重參數；(6)非局部均值方法處理；(7)修正偏差。本發明的有益之處在于：由于同時考慮了相似塊之間的邊緣相似性，采用改進的canny邊緣檢測技術，克服了傳統NLM方法中相似塊之間的距離僅依靠像素強度單一參量進行權重參數計算的弊端，使得相似度測量更加準確，進而提高了圖像去噪的效果；采用了非局部均值濾波代替高斯濾波，較好的保持了邊緣，并且去掉了部分噪點，使邊緣檢測更加準確。
【專利說明】基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法

【技術領域】
[0001]本發明涉及一種圖像去噪方法，具體涉及一種基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法，屬于圖像處理【技術領域】。

【背景技術】
[0002]近年來，隨著磁共振成像(magnetic resonance images,MRI)技術的發展,人類對腦研究的能力得到了空前提高，與此同時產生了大量的MRI圖像。MRI圖像的獲取過程中經常受到不同的噪聲干擾，研究發現，MRI圖像中的噪聲主要呈現Rician分布。
[0003]目前MRI圖像已被廣泛用于醫學診斷，針對目前MRI圖像存在的噪聲其相應的處理技術也有多種，其中比較流行的有各向異性擴散去噪法、全變差去噪法、非局部均值去噪法等。
[0004]各向異性擴散去噪法的模型本身的特點決定了它存在的缺陷。當圖像被強噪聲污染時，噪聲引起的梯度很可能會大于圖像細節邊緣的梯度，這時該模型無法正確區分噪聲和細節邊緣，從而無法很好的去除噪聲。
[0005]全變差去噪法在圖像的TV范數和忠誠項之間找到一種平衡態，即能量泛函的極小值，但是當能量泛函中的參數λ很小時，像紋理這樣的圖像小細節特征就會被毀壞。
[0006]非局部均值去噪法存在著以下缺點:(I)算法復雜度大，計算時間長；(2)相似窗口的相似度度量函數僅考慮了像素的強度相似性，像素權重分配的準確性有待提高；(3)部分參數選取過于敏感，缺乏完善的理論指導；(4)非局部均值去噪存在偏差，在實際應用中應該予以修正。


【發明內容】

[0007]為解決現有技術的不足，本發明的目的在于提供一種基于改進的canny邊緣檢測、能夠有效、準確去除MRI圖像噪聲的非局部均值MRI圖像去噪方法。
[0008]為了實現上述目標，本發明采用如下的技術方案:
[0009]—種基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法,其特征在于,包括以下步驟:
[0010]步驟1，對含有Rician噪聲的MRI圖像進行幅值平方處理，獲得幅值平方圖像；
[0011]步驟2，選取幅值平方圖像的背景區域，根據式(I)給出的噪聲估計表達式進行噪聲估計:

【權利要求】
1.基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法，其特征在于，包括以下步驟: 步驟1，對含有Rician噪聲的MRI圖像進行幅值平方處理，獲得幅值平方圖像； 步驟2，選取幅值平方圖像的背景區域，根據式(I)給出的噪聲估計表達式進行噪聲估計:
式中，μ為幅值圖像平方圖像中所選背景區域的像素均值，σ為噪聲方差； 步驟3，采用canny算子抽取幅值平方圖像的邊緣: (1)濾波:使用經典的非局部均值濾波器對幅值平方圖像進行平滑濾波； (2)計算梯度值與梯度方向角:分別求取濾波后幅值平方圖像在X方向和Y方向的梯度Mx和My，根據所述梯度Mx和My計算幅值平方圖像的梯度值I Af|與梯度方向角Θ:
將0°~360°梯度方向角歸并為4個方向:0°，45° ,90° ,135° ； (3)非最大值抑制:將在梯度方向上具有最大梯度值的像元作為邊緣像元保留，將其它像元刪除； (4)滯后閾值化:設定一個高閾值thigh和一個低閾值tlOT，根據像元梯度值與高閾值thigh、低閾值tlOT的關系來標記邊緣像元； 步驟4，計算相似性測度: 選取大小為5X5的相似塊，在11 X 11的范圍內進行邊緣抽取和檢測，設幅值平方圖像上某一點的強度為I (X，Y)，幅值平方圖像中邊緣圖像上的某一點的幅值為Canny (X，y)，兩個相似塊之間的邊緣相似性測度D1由式⑷給出:
D1 = I I Canny (Ni)-Canny (N」)| |2，b 式(4) 式中，Ni為第i個元素的鄰域,Nj為第j個元素的鄰域，b為標準差為b的高斯核加權； 兩個相似塊之間的強度相似性測度D2由式(5)給出: A=P(Nf)-1(Ny)IlL 式(5) 式中，Ni為第i個元素的鄰域,Nj為第j個元素的鄰域,a為標準差為a的高斯核加權； 步驟5，權重參數計算: 結合步驟4中計算的兩個相似塊之間的強度相似性測度D2以及邊緣相似度測度D1,形成新的權重計算表達式:
式中，h是濾波參數，h’是邊緣濾波參數，Z(i)是全局歸一化函數，
步驟6，非局部均值方法處理: 對含Rician噪聲的幅值平方圖像中的每一個像素執行式(7):
其中，0<wm(i，j)≤1，
遍歷整幅圖像得到非局部均值方法處理后的 圖像； 步驟7，修正偏差: 對步驟6得到的去噪圖像進行偏差修正，最終去噪后圖像S由下面表達式獲得:
2.根據權利要求1所述的基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法，其特征在于，在步驟2中，選取幅值平方圖像的背景區域采用的是Ostu門限技術。
3.根據權利要求1所述的基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法，其特征在于，在步驟3中，濾波的過程為: ①、選取大小為5X5的相似塊，在11X11的范圍內搜索，設幅值平方圖像上的某一點的強度為I (X，y)，兩個相似塊之間的強度相似性測度D2為:
式中，Ni為第i個元素的鄰域,Nj為第j個元素的鄰域,a為標準差為a的高斯核加權； ②、計算權重w(i，j):
式中，h是濾波參數，Z(i)是全局歸一化函數
; ③、對含Rician噪聲的圖像中的每一個像素執行式(7):
其中，O≤w(i，j)≤1，
遍歷整幅圖像；

④、對③獲得的圖像進行偏差修正，得到非局部均值濾波后的圖像:
4.根據權利要求1所述的基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法，其特征在于，在步驟3中，求梯度值采用索貝爾算子模板與圖像進行卷積完成，其中，
5.根據權利要求1所述的基于改進的canny邊緣檢測的非局部均值MRI圖像去噪方法，其特征在于，在步驟3中，根據像元梯度值與高閾值thigh、低閾值tlOT的關系來標記邊緣像元的方法為: (1)像元(x，y)梯度值小于tlOT，則像元(x，y)為非邊緣像元； (2)像元(X，y)梯度值大于thigh，則像元(X，y)為邊緣像元； (3)像元(X，y)梯度值在tlOT與thigh之間,進一步檢查像元(X，y)的3X3鄰域,鄰域像元梯度存在大于thigh，則(x，y)為邊緣像元； (4)像元(x，y)的3X3鄰域內沒有像元梯度值大于thigh，進一步擴大搜索范圍至5X5鄰域內像元是否存在大于thigh，如果有，則(x，y)為邊緣像元，否則為非邊緣像元。
【文檔編號】G06T5/00GK104200442SQ201410482116
【公開日】2014年12月10日 申請日期:2014年9月19日 優先權日:2014年9月19日
【發明者】趙恒 , 田剛, 張毅, 高漢宇, 呂秋麗 申請人:西安電子科技大學