基于BM3D的脑MRI图像噪点剔除算法

来源：计算机技术与发展杂志2024年第09期北京时间：

作者：徐梦笔;何刚;*

摘要：磁共振成像(Magnetic Resonance Imaging,MRI)已经成为一种常见的影像检查方式,MRI 的去噪算法影响着 MRI的成像效果。 基于深度学习的 MRI 去噪算法需要一定量的数据,绝大部分基于非深度学习的 MRI 去噪算法都是将 MRI 数据转化为实数之后进行去噪的,针对复数 MRI 中的复数数据类型的算法也存在着失真的问题。 因此,提出一种通过单张 MRI 脑图像的原始数据进行噪点剔除的算法,以此更好得去除图像噪声。 该算法从 MRI 的原始数据出发,利用了 MRI 噪声分布性质和 MRI 脑图像的特点,以判断 MRI 图像中噪声明显的点,从而剔除 MRI 中特定的莱斯分布的噪声。 并将所提出的算法结合了 MRI 去噪中常用的非局部平均算法(Non-Local Means denoising,NLM) 与三维块匹配算法( Block-Matching and 3D filtering,BM3D),并和不使用该算法剔除噪点的 NLM、BM3D 进行了对比评估。 对比结果表明,在噪声密度不同的多种情况下,该算法总能优化与之相结合的图像去噪算法,在不同的噪声情况下使峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)与结构相似性(Structural Similarity,SSIM)提高了 1% ~ 9% 。 最后将该算法结合 BM3D,对比了 DnCNN、低秩聚类算法(Weighted Nuclear Norm Minimization,WNNM)、BM3D、NLM 等用于 MRI 去噪的算法,在莱斯噪声较多时,该算法在 PSNR 上有更好的表现。

关键词：脑磁共振成像;噪声去除;莱斯分布;非局部平均算法;三维块匹配算法