| 【中文题名】 | 基于神经网络和小波变换的MRI图像去噪方法 |
| 【英文题名】 | An MRI Image Denoising Algorithm Using Neural Network and Wavelet Transform |
| 【学科专业】 | 无线电物理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-13 |
| 【中关键词】 | 磁共振成像,神经网络,小波变换,,, |
| 【英关键词】 | MRI,neural network,wavelet transform, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>通信>通信理论>信号处理>图像信号处理 |
| 【论文摘要】 |
磁共振成像(Magnetic Resonance Imaging，MRI)已经成为临床诊断必不可少的手段，但MRI图像获得的过程中都会产生各种噪声，影响图像的质量。由于MRI图像的噪声不满足高斯分布，即噪声与信号有一定的相关性，使得传统的针对高斯分布噪声的方法无法很好地去除MRI图像的噪声。
小波变换在图像处理中发挥着巨大的作用，尤其是在图像去噪中，对高斯白噪声的去除效果优于传统的图像滤波方法。人工神经网络则是对人类智能的简单模拟，它有着强大的模式识别的能力。通过学习过程，神经网络可以找出输入数据和期待的输出数据间潜在的函数关系，而在仿真过程中通过这种函数关系，可以输出与输入数据相对应的输出数据。本文综合利用了小波降噪和人工神经网络的成果，提出了一种新的、在小波域中利用神经网络对MRI图像去噪的方法。我们利用神经网络代替小波去噪中的域值函数，来寻找清晰图像小波系数和有噪声图像小波系数之间的映射关系。由于神经网络对噪声分布不敏感，训练得到的网络能够适用于不同分布的噪声的消除。实验证明，我们的方法能够很好的去除MRI图像的噪声。 |
| 【论文题纲】 |
|
摘要 |
6-7 |
|
Abstract |
7-9 |
|
第一章 研究背景 |
9-24 |
|
1.1 磁共振图像的噪声 |
9-11 |
|
1.1.1 噪声的来源 |
9 |
|
1.1.2 MRI图像的噪声模型 |
9-10 |
|
1.1.3 MRI图像的去噪 |
10-11 |
|
1.2 小波变换 |
11-18 |
|
1.2.1 小波变换基本概念 |
11-16 |
|
1 连续小波变换 |
12 |
|
2 离散小波变换 |
12 |
|
3 小波分解 |
12-13 |
|
4 小波重构 |
13-14 |
|
5 二维平稳小波变换 |
14-16 |
|
1.2.2 小波域去噪算法综述 |
16-18 |
|
1 小波域软、硬阈值去噪算法 |
16-17 |
|
2 NeighShrink小波域去噪算法 |
17-18 |
|
1.3 神经网络 |
18-24 |
|
1.3.1 神经网络的理论介绍 |
18-22 |
|
1.3.2 BP神经网络 |
22-24 |
|
第二章 神经网络与小波变换在MRI图像去噪中的应用 |
24-35 |
|
2.1 理论 |
24-25 |
|
2.2 新方法的基本流程 |
25-27 |
|
2.2.1 样本的提取 |
25-26 |
|
2.2.2 神经网络的训练 |
26-27 |
|
2.2.3 神经网络的仿真(MRI图像的去噪过程) |
27 |
|
2.3 结果与讨论 |
27-35 |
|
2.3.1 高斯噪声 |
28-31 |
|
2.3.2 瑞利噪声 |
31-35 |
|
2.4 结论 |
35 |
|
总结和展望 |
35-37 |
|
参考文献 |
37-39 |
|
致谢 |
39 |
|
| 【DOI】 | LunWen.ID:2.2008.349774 |
