改进LMMSE的弥散加权磁共振图像Rician噪声复原

doi:10.3969/j.issn.0372-2112.2013.04.015

电子学报 ›› 2013, Vol. 41 ›› Issue (4): 717-721.DOI: 10.3969/j.issn.0372-2112.2013.04.015

改进LMMSE的弥散加权磁共振图像Rician噪声复原

吴锡^1,2, 周激流², 谢明元¹

1. 成都信息工程学院电子工程系,四川成都 610225;
2. 四川大学计算机学院,四川成都 610065

收稿日期:2011-06-02 修回日期:2012-11-26 出版日期:2013-04-25
- 作者简介:
- 吴锡 男.1980年9月出生,四川成都人.副教授.2003年、2006年、2012年分别在四川大学、电子科技大学和四川大学获工学学士、工学硕士和工学博士.现为成都信息工程学院电子工程系教师,主要从事医学图像分析及相关智能计算和应用研究. E-mail:wuxi@cuit.edu.cn
- 基金资助:
- 国家自然科学基金 (No.81201158,No.61271330)

DWI Rician Noise Restoration Using Modified LMMSE

WU Xi^1,2, ZHOU Ji-liu², XIE Ming-yuan¹

1. Department of Electronic Engineering, Chengdu University of Information Technology, Chengdu, Sichuan 610225, China;
2. College of Computer Science, Sichuan University, Chengdu, Sichuan 610065, China

Received:2011-06-02 Revised:2012-11-26 Online:2013-04-25 Published:2013-04-25
- Supported by:
- National Natural Science Foundation of China (No.81201158, No.61271330)

摘要/Abstract

摘要： 弥散加权磁共振图像(DWI)由于其本身扫描成像和应用特点,易被噪声干扰,且其噪声一般呈Rician分布,需要有效去噪以保证后续应用.目前使用较多的局部去噪方法缺乏对噪声统计信息的综合应用,缺乏针对DWI图像特殊Rician噪声分布的针对性应用.本文提出一种DWI图像Rician噪声的线性最小均方误差(LMMSE)复原方法,使用局部信息的统计特征,对DWI图像的Rician噪声进行有效估计,并引用各向异性滤波的原理改进使用LMMSE进行递归复原.在合成模拟DWI数据和真实人体脑部DWI数据上进行的仿真和实验表明,本文方法较之现有常用局部性去噪方法能够更好地去除DWI图像中Rician噪声,改善计算获得的DTI图像标量和方向信息的有效性和准确性.

关键词: 弥散加权磁共振图像, 图像复原, 线性最小均方误差, Rician噪声

Abstract: Diffusion weighted magnetic resonance image (DWI) should be denoised effectively for the corresponding procedure due to its property of imaging and application.Different from the normal gray level image,the noise in DWI is distributed under the Rician distribution.The commonly used local denoising method is lack of the synthetic implementation of the statistical information of noise,especially the Rician noise in the DWI.This paper proposed a modified LMMSE restoration method used for DWI.The proposed method used the local information to estimate the parameter of the Rician noise and modified the LMMSE using the principle of the anisotropic filter.The simulation and experiment of the synthetic DWI and real human brain DWI dataset demonstrated that the proposed method can effectively remove the Rician noise compared to the commonly used local denoising method and improve the robustness and validity of the DTI.

Key words: diffusion weighted magnetic resonance imaging, image restoration, linear minimum mean square error, Rician noise

中图分类号:

TP391

吴锡, 周激流, 谢明元. 改进LMMSE的弥散加权磁共振图像Rician噪声复原[J]. 电子学报, 2013, 41(4): 717-721.

WU Xi, ZHOU Ji-liu, XIE Ming-yuan . DWI Rician Noise Restoration Using Modified LMMSE[J]. Acta Electronica Sinica, 2013, 41(4): 717-721.

参考文献

[1] M Lazar.Mapping brain anatomical connectivity using white matter tractography[J].NMR in Biomedicine,2010,23(7):821-835.

[2] P Basser,et al.MR diffusion tensor spectroscopy and imaging[J].Biophysical Jou rnal,1994,66(1):259-267.

[3] A W Anderson.Theoretical analysis of the effects of noise on diffusion tensor im aging[J].Magnetic Resonance in Medicine,2001,46(6):1174-1188.

[4] H Johanson-Berg,T Behrens.Diffusion MRI:From Quantitative Measurement to In-Vi vo Neuroanatomy[M].London,England:Academic Press,2009.37-54.

[5] O Coulon,D Alexander,S Arridge.Diffusion tensor magnetic resonance image regular ization[J].Medical Image Analysis,2004,8(1):47-67.

[6] P Fillard,X Pennec,et al.Clinical DT-MRI estimation,smoothing,and fiber trackin g with log-euclidean metrics[J].IEEE Transactions on Medical Imaging,2007,26( 11):1472-1482.

[7] X Pennec,P Fillard,N Ayache.A Riemannian framework for tensor computing[J].In ternational Journal of Computer Vision,2006,66(1):41-66.

[8] Z Ding,Gore JC,AW Anderson.Reduction of noise in diffusion tensor images using a nisotropic smoothing[J].Magnetic Resonance in Medicine,2005,53(2):485-490.

[9] 邵文泽,韦志辉.基于结构张量图像建模方法的滤波性能研究[J].电子学报,2011,39(7):15 56-1562. Shao Wenze,Wei Zhi-hui.Research on filtering behavior of structure tensor base d image modeling approaches[J].Acta Electronica Sinica,2011,39(7):1556-15 62.(in Chinese)

[10] J Sijbers,AJ den Dekker.Maximum Likelihood estimation of signal amplitude and no ise variance from MR data [J].Magnetic Resonance Imaging,2004,51(3):586-594.

[11] S M Kay.Fundamentals of Statistical Signal Processing:Estimation Theory[M].Upp er Saddle River,NJ:Prentice-Hall,1993.47-58.

[12] J Weickert.Coherence-enhancing diffusion filtering [J].International Journal of Computer Vision,1999,31(2):111-127.

[13] Z Wang,AC Bovik,et al.Image quality assessment:from error visibility to structur al similarity[J].IEEE Transactions on Image Processing,2004,13(4):600-612.

[1]	方帅, 刘远东, 曹洋, 刘永进. 基于模糊结构图的模糊核估计[J]. 电子学报, 2017, 45(5): 1226-1233.
[2]	刘鹏飞, 肖亮. 基于Hessian核范数正则化的快速图像复原算法[J]. 电子学报, 2015, 43(10): 2001-2008.
[3]	徐焕宇, 孙权森, 李大禹, 宣丽. 基于投影的稀疏表示与非局部正则化图像复原方法[J]. 电子学报, 2014, 42(7): 1299-1304.
[4]	徐立中, 冯肖亮, 文成林. 网络化多传感器系统的序贯式融合滤波——基于噪声估计方法[J]. 电子学报, 2014, 42(1): 160-168.
[5]	褚宏莉, 李元祥, 周则明, 沈霁. 基于黑色通道的图像快速去雾优化算法[J]. 电子学报, 2013, 41(4): 791-797.
[6]	武鹏飞, 方帅, 徐青山, 饶瑞中. 非均匀大气中单幅退化图像复原[J]. 电子学报, 2013, 41(10): 1895-1902.
[7]	刘秀;金伟其;徐超. 基于MPMAP序列红外图像高分辨力重建和非均匀性校正[J]. 电子学报, 2011, 39(9): 2103-2107.
[8]	葛泉波;冯肖亮;徐廷梁. 不确定无序量测系统的最优网络化状态估计[J]. 电子学报, 2011, 39(3A): 7-13.
[9]	方帅;王勇;曹洋;占吉清;饶瑞中. 单幅雾天图像复原[J]. 电子学报, 2010, 38(10): 2279-2284.
[10]	邵文泽;韦志辉. 基于各向异性MRF建模的多帧图像变分超分辨率重建[J]. 电子学报, 2009, 37(6): 1256-1263.
[11]	程履帮. OFDMA系统中基于LMMSE信道估计算法的改进及其性能分析[J]. 电子学报, 2008, 36(9): 1782-1785.
[12]	江玲玲;冯象初;殷海青. 基于Curvelet域的图像复原和分解模型[J]. 电子学报, 2008, 36(9): 1790-1794.
[13]	闫华, 刘琚. 考虑亚像素配准误差的超分辨率图像复原[J]. 电子学报, 2007, 35(7): 1409-1413.
[14]	黄飞, 金伟其, 曹峰梅, 刘伯丰. 相向运动条件下图像的辐射状退化及其复原研究[J]. 电子学报, 2005, 33(9): 1710-1713.
[15]	刘明亮, 高剑. 基于改进的迭代增量频域反卷积滤波器的图像复原[J]. 电子学报, 2004, 32(12): 2017-2019.

改进LMMSE的弥散加权磁共振图像Rician噪声复原

DWI Rician Noise Restoration Using Modified LMMSE

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics