[發明專利]一種基于多降噪器聯合優化降噪的MRI圖像降噪方法

在審

• 申請號: 202011061992.0
• 申請日: 2020-09-30
• 公開（公告）號: CN112132768A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 劉哲;任義烽;烏偉
• 申請（專利權）人: 西京學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 王熙文

本發明公開一種基于多降噪器聯合優化降噪的MRI圖像降噪方法，包括基于IBM3D多并聯降噪器、多并聯IBM3D優化降噪器、圖像質量提升降噪器和模型訓練；本發明通過將一幅MRI圖像分割成若干個小圖像，分別輸入到多個并聯的IBM3D降噪器進行降噪，在不改變降噪效果的前提下，大大提升算法效率和降噪的效果，將降噪后的多個圖像進行優化融合，然后將優化融合后的圖像輸入到基于深度學習的質量提升降噪器，得到最終降噪后的MRI圖像，既能很好地對MRI圖像進行降噪，又能夠對MRI圖像的細節進行恢復保持，同時模型訓練的機制能夠加快訓練過程中的收斂速度，提高模型的精確度，降低模型初始化具有的敏感性。

技術領域

本發明涉及醫學圖像處理、人工智能和機器視覺技術領域，尤其涉及一種基于多降噪器聯合優化降噪的MRI圖像降噪方法。

背景技術

磁共振成像技術具有高分辨率、多模式、無創性成像方式等優點，能夠顯示人體內部的三維結構信息，現在，MRI已經被廣泛應用于科學研究和人體臨床診斷等領域，然而，受磁共振成像機制和人體限制，圖像不可避免的會引入噪聲，尤其是在高分辨率和快速成像時，圖像噪聲會更加嚴重，這些噪聲會模糊圖像細節，降低圖像的信噪比，影響臨床診斷和后續的分析任務；

現有的一些降噪算法存在關鍵細節信息容易丟失、圖像恢復不夠清晰、計算復雜程度高和非常耗時等缺點，同時隨著網絡深度增加，深度學習會遇到梯度彌散和梯度爆炸的嚴重問題，導致網絡無法收斂，因此，本發明提出一種基于多降噪器聯合優化降噪的MRI圖像降噪方法以解決現有技術中存在的問題。

發明內容

針對上述問題，本發明的目的在于提出一種基于多降噪器聯合優化降噪的MRI圖像降噪方法，該基于多降噪器聯合優化降噪的MRI圖像降噪方法通過將一幅MRI圖像分割成若干個小圖像，分別輸入到多個并聯的IBM3D降噪器進行降噪，將降噪后的多個圖像進行優化融合，然后將優化融合后的圖像輸入到基于深度學習的質量提升降噪器，得到最終降噪后的MRI圖像，既能很好地對MRI圖像進行降噪，又能夠對MRI圖像的細節進行恢復保持。

為實現本發明的目的，本發明通過以下技術方案實現：一種基于多降噪器聯合優化降噪的MRI圖像降噪方法，包括基于IBM3D多并聯降噪器、多并聯IBM3D優化降噪器、圖像質量提升降噪器和模型訓練，所述基于IBM3D多并聯降噪器是基于塊匹配和IBM3D的圖像視頻去噪算法通過搜索相似塊并在變換域進行濾波，得到塊評估值，最后對圖像中每個店進行加權得到最終去噪圖像，其中IBM3D降噪算法具有以下兩步：

第一步、初始估計

①逐塊估計、對含噪圖像中的每一塊進行分組，找到它的重疊相似塊然后把它們聚集到一個三維數組；

②聯合硬閾值、對形成的三維數組進行三維引導濾波器濾波，通過對濾波后的系數進行硬閾值處理減弱噪聲，然后進行逆濾波得到組中所有圖像塊的估計值，然后把這些估計值按照相應的順序返回到他們的原始位置；

③聚集、對得到的有重疊的圖像塊估計，通過對他們進行加權平均得到真實圖像的初始估計；

第二步、最終估計

①逐塊估計、對第一步的圖像中的每一塊，通過塊匹配找到與它相似的相似塊在基礎估計圖像中的位置，通過這些位置得到兩個三維數組，一個是從含噪圖像中得到的，一個是從第一步的圖像中得到的；

②聯合維納濾波、對形成的兩個三維數組均進行三維變換，以初始估計圖像中的能量譜作為能量譜對含噪三維數組進行維納濾波，然后逆變換得到組中所有圖像塊的估計，然后把這些估計值返回到他們的原始位置；

③聚集、對得到的有重疊的局部塊估計，通過對他們進行加權平均得到真實圖像的最終估計。