关键词:
磁共振图像去噪
非局部补丁张量
张量奇异值分解
张量链分解
自适应聚类
摘要:
磁共振图像可提供生物体内组织器官立体影像信息,是医学疾病检查重要判定依据之一。然而,成像过程中总是会受到随机噪声干扰,噪声会模糊组织器官医学解剖信息,干扰临床诊断和计算机自动分析任务。因此,提升图像信噪比是磁共振图像应用过程中关键步骤。近年来,基于张量的磁共振去噪方法已经成为研究热点。通过非局部自相似技术将磁共振图像中相似图像补丁构建为高阶非局部补丁张量,基于低秩张量近似技术不仅可有效去除噪声,还能保留精细细节信息。针对磁共振图像去噪问题,本文基于高阶张量对磁共振图像去噪算法进行研究。主要研究内容如下:(1)基于高维块匹配和张量奇异值分解磁共振图像去噪研究为利用磁共振图像中非局部自相似性和不同维度间相关性,提出一种基于高维块匹配和张量奇异值分解的三维磁共振图像去噪方法。通过高维块匹配技术,磁共振图像中高度相似三维图像补丁被构建为三阶非局部补丁张量。由于生成的张量可捕捉磁共振图像补丁间相关性并具有低秩特性,基于张量奇异值分解框架下加权张量核范数的低秩张量近似技术可对磁共振图像进行有效去噪。与现有磁共振去噪方法相比,该去噪方法在客观测量和主观视觉质量方面都有较大改善。(2)高维自适应聚类技术及均衡化张量方法使用块匹配技术可挖掘磁共振图像非局部自相似性和低秩特性。然而,块匹配技术中相似图像补丁数量通常由手动确定,相似补丁数量不足会导致非局部补丁张量低秩特性不明显,数量过多又可能引入不相似图像补丁。为能自动确定每组相似图像补丁数量,开发一种高维自适应聚类技术对磁共振图像中相似三维图像补丁进行分组。在此基础上,提出一种均衡化三阶非局部补丁张量构建方法,均衡化方法能促进非局部补丁张量低秩特性,以进一步发挥张量奇异值分解有效性。为提高去噪精度,基于加权张量核范数最小化,考虑和利用不同相似图像补丁分组局部噪声水平信息。实验结果表明,该方法可有效去除噪声,取得让人满意去噪效果。(3)改进高维自适应聚类和张量链分解磁共振图像去噪方法研究为利用张量奇异值分解有效性和磁共振图像中相似图像补丁间相关性,通常会将相似图像补丁通过向量化操作重组为三阶非局部补丁张量。然而,向量化操作可能破坏相似图像补丁间拓扑结构。为更好挖掘磁共振图像不同维度间相关性,提出一种基于张量链分解平衡矩阵化方案的三维磁共振图像去噪方法。通过高维自适应聚类将相似三维图像补丁构建为具有低秩特征的四阶非局部补丁张量,从而利用高维图像低秩特征和张量链分解处理高维数据优势。在聚类过程中,进一步考虑不同相似图像补丁组尺寸对分组准确性影响。此外,基于张量链分解对四阶非局部补丁张量进行规范矩阵化,可有效捕捉磁共振图像空间模态、层间模态和非局部域模态间相关性。将去噪问题转化为张量链规范矩阵化之后各模态数据低秩近似问题,提出一种对不同模态下数据迭代施加低秩约束的磁共振去噪方法。实验结果表明,在模拟和真实的3D磁共振图像数据上,所提出去噪方法在客观测量和主观视觉质量方面产生良好结果。