一種新的基于小波變換的自適應ＭＲＩ增強算法

摘要： 提出了一種新的基于小波變換的自適應MRI增強算法。該新算法采用兩個非線性自適應規則分別增強低頻和高頻的小波系數，并且在增強圖像信號的同時抑制、減小其中的噪聲。實驗結果表明新算法增強后的圖像具有很好的對比度，且結果圖像中的噪聲要比其他基于小波變換的自適應增強算法得到的增強后的圖像中的噪聲要少很多。

關鍵詞：圖像增強； 小波變換； 非線性自適應規則； MR頭部圖像

中圖分類號：TP391文獻標志碼：A

文章編號：1001－3695(2008)06－1771－02

核磁共振圖像（magnetic resonance imaging ， MRI）能夠較好地依據不同的灰度級區別不同的軟組織，可以幫助醫生作出正確的診斷以及圖像的后處理，如對局部感興趣區域的分割等。然而，由于系統噪聲，曝光不當，移位等原因，MR圖像通常存在噪聲，在分析處理圖像之前，這樣的圖像需要被增強。目前，在時域和頻域中已經有許多算法增強MR圖像[1~3]。經過測試，這些算法都能夠增強MR圖像，但與此同時，圖像的噪聲也被增強了，所不希望的。其他還有許多基于小波變換的增強MR圖像的算法[4~7]，這些算法均可以較好地增強MR圖像，但也都存在共同的缺點：噪聲過增強。它嚴重影響了增強后MR圖像的質量，為了解決這個問題，一些抑制噪聲過增強的算法已被提出[8，9]，但是圖像中的噪聲仍沒有完全去掉，從而導致對后續處理的影響。圖1顯示了MR圖像1和幾個增強算法 [2，3，8]得到的增強后的圖像。這些結果圖像說明了當前的增強算法仍需改進，以達到在MR圖像上更好的增強去噪的效果。

本文在抑制噪聲過增強算法[8]的基礎上提出一種新的自適應增強算法。該算法通過兩個自適應規則在小波變換域增強圖像，同時在增強過程中抑制圖像的噪聲，并在增強后再次去噪聲。實驗結果表明新算法的增強結果優于傳統的算法。

1基于小波的自適應增強MRI的新算法

新算法（基于文獻[8]的算法）的主要步驟如下，創新點用(new)或者(improved)標出：

與文獻[8]的算法相比，新算法所增加的非線性增強規則用于MR頭部圖像中的高頻部分增強，而文獻[8]的算法中的非線性增強規則用于MR頭部圖像中的低頻部分增強，從而較好地改進圖像的細節與邊緣部分的增強效果。該算法引入了小波變換后低頻部分的去噪處理，并在增強后通過時域部分的再次去噪有效地減少了噪聲，抑制了噪聲過增強。實驗結果也證明該算法的可行性和有效性，實驗結果如下。

3實驗結果

本章報告的實驗結果中，與新算法相比較的是傳統的小波增強算法[3]和抑制噪聲過增強的算法[8]。經測試了多種現存的增強算法，如傳統的直方圖均衡算法[1]和基于小波變換的反銳化掩模增強算法[2]等，由于效果較差，在這里不與之比較。圖2中的第一列表示圖像和增強后的圖像，第二列為它們相應的直方圖。

實驗結果表明新算法的增強效果優于其它算法，增強后圖像的直方圖也說明了該觀點。新算法不僅有效地抑制了噪聲過增強，使圖像的噪聲減小到最低，而且使圖像的有效灰度級得到了很好的擴展，改善了圖像的視覺效果，有助于醫生的診斷和圖像的后續處理工作。更多的測試結果如圖3~5所示。

4結論

本文提出了一種根據圖像本身性質，在自適應技術增強MR圖像的同時有效地抑制了噪聲的算法。新算法在小波變換域和時域同時處理圖像，共同完成去噪增強的任務。在增強中，分別采用不同的增強規則增強低頻和高頻部分的小波系數，同時，采用小波系數間的相關性抑制噪聲過增強；經過小波反變換后的增強圖像采用去除8鄰域意義下的孤立點噪聲，以盡量減少圖像中的剩余噪聲。由于該算法涉及過多的圖像處理，算法的復雜度較高，但是圖像的質量得到了很大改善。

對于以后的工作，將進行更多的測試，盡量減小算法的復雜度以提高算法的效率，希望有一種更快更有效的算法增強MR圖像，從而幫助醫生對病情做出正確的診斷和圖像的后續處理。



參考文獻：

［1］

STARK J A. Adaptive contrast enhancement using generalization of histogram equalization[J].IEEE Trans Image Processing， 2000， 9( 5): 889－996.

[2]RAMPONI G， STROBEL N， MITRA S K，et al. Nonlinear unsharp masking methods for image contrast enhancement[J]. J Electron Image， 1996，5( 7): 353－366.

[3]王修信，胡維平，梁冬冬，等.小波變換在醫學圖像增強中的應用[J].中國醫學物理學雜志，2002，19(2):127－128.

[4]鄭慕之，陶玲，王惠南.MRI圖像的多尺度小波增強新算法[J].中國醫療器械信息，2004，10(4):9－11.

[5]LAINE A， FAN J，YANG W. Wavelets for contrast enhancement of digital mammography[J].IEEE Engineering in Medicine and Biology Magazine， 2004， 14(5):536－550.

[6]LAINE A， SCHULER S， FAN J， et al. Mammographic feature enhancement by multiscale analysis[J]. IEEE Trans on Medical Imaging， 1994，13(4):725－740.

[7]FU J C， LIEN H C， WONG S T C. Wavelet－based histogram equalization enhancement of gastric sonogram images[J]. Computerized Medical Imaging and Graphics， 2000， 24:59－68.

[8]ZONG X， LAINE A F， GEISER E A， et al. De－noising and contrast enhancement via wavelet shrinkage and non－linear adaptive gain wavelet applications 3[C]//Proc of SPIE.Orlando， 1996: 425－ 455.

[9]侯艷芹，李均利，魏平，等.一種基于二維離散小波變換的醫學圖像增強算法[J].計算機工程與應用，2006，6.

[10]DONOHO D L. De－noising by soft thresholding[J]. IEEE Trans IT， 1995， 41(3):613－627.

[11]JEWFIK A. On the optimeal choice of a wavelet for signal representation[J]. IEEE Trans IT， 1992， 38(2):747－756.

[12]XU Y， WEAVER J B， HEALY C M，et al. Wavelet transform domain filters: a spatially selective noise filtration technique[J]. IEEE Trans on Image Processing， 1994， 3(6):747－758.

[13]GAO H， BRUCE A G.Waveshrink with firm shrinkage[J].Statist， 1997， 7(4): 855－874.

[14]謝桂海，王寅龍，明亮. 小波分析在醫學圖像處理中的應用研究[J].核電子學與探測技術，2004， 24(1):1－4.

[15]RAFAEL C. Gonzalez Richard e. woods， digital image processing 2nd ed[M].[S.l.]: Publishing House of Electronics Industry， 2003.

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文