莱斯校正的NLM算法在扩散加权图像中的应用

摘要：

扩散张量成像技术是一种非侵入活体获取脑白质结构的技术,其广泛应用于人体大脑的神经纤维跟踪. 扩散张量图像是由扩散加权图像计算得到的,而扩散加权图像对噪声较为敏感,从而影响后续处理. 扩散加权图像具有两个特点,一是图像的自相似性程度高,纹理和结构具有重复出现的特性且细节纹理较多,二是图像中所含噪声为莱斯噪声. 基于这两个特点,我们提出了莱斯校正的非局部均值滤波算法. 并将此算法应用于扩散加权图像的降噪中. 算法首先针对图像中的莱斯噪声进行莱斯校正,然后再对校正后的图像使用非局部均值滤波器对其进行降噪. 为了验证本文算法,通过实验将本文算法与传统的降噪算法进行比较. 实验结果表明,本文算法能够更有效的减少扩散加权图像中的噪声,更好的保存了图像的纹理细节,提高了数据准确度.关键词:扩散张量成像;扩散加权图像;神经纤维跟踪;莱斯校正;非局部均值滤波

关键词：扩散张量成像、扩散加权图像、神经纤维跟踪、莱斯校正、非局部均值滤波

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目11265007 资助;教育部回国人员科研启动基金项目2010-1561 资助;云南省人培基金项目KKSY201203030 资助

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：439-444