1、磁共振成像（magnetic resonance imaging，MRI）是與CT、同位素掃描、超聲圖像等一樣重要的醫(yī)學(xué)圖像診斷手段。與其他醫(yī)學(xué)成像方法相比，磁共振成像具有軟組織對比度率高、對人體無電離輻射危害、能夠反映器官或組織的生化特征等優(yōu)點(diǎn)，已成為腦功能病理研究和心血管系統(tǒng)疾病診斷的主要手段，是醫(yī)學(xué)影像學(xué)領(lǐng)域中最活躍的技術(shù)之一。但是，由于采集和變換過程復(fù)雜，醫(yī)學(xué)磁共振圖像在處理、傳輸過程中容易受到噪聲污染，磁共振時間序列信號內(nèi)的有

2、用成分弱，而且在成像過程中復(fù)雜的電磁場環(huán)境容易受到人體熱噪聲干擾，造成噪聲引起局部區(qū)域不清晰的現(xiàn)象，這給MRI圖像的診斷分析和利用帶來許多的困難。因此，探討能消除MRI圖像噪聲的方法有著重要的臨床意義和應(yīng)用價(jià)值。 常用的磁共振圖像去噪方法有中值濾波，維納濾波，基于直方圖的濾波等等。但是由于這些去噪方法對磁共振圖像噪聲成分分析得不夠透徹，用它們來對磁共振圖像去噪的時候，處理效果不能滿足醫(yī)學(xué)診斷的需求。近年來，小波分析和基于偏微分方

3、程在圖像去噪方面得到了廣泛關(guān)注，但磁共振圖像經(jīng)過這些方法去噪后，邊緣變得模糊?；诟飨虍愋詳U(kuò)散濾波的圖像平滑方法雖然在去除噪聲的同時保留了圖像邊緣信息但是造成圖像的細(xì)節(jié)信息部分丟失，容易造成臨床醫(yī)生的誤診或漏診。 為了克服上述方法的不足，本文在基于梯度能量函數(shù)的全變分算法的基礎(chǔ)之上，結(jié)合Bregman距離的迭代正則化方法，圍繞全變分圖像去噪的中心問題進(jìn)行了研究，提出了相應(yīng)的磁共振圖像去噪算法。本文的方法綜合了全變分和迭代正則化算

4、法的優(yōu)點(diǎn)，對迭代正則化算法中的全局正則化參數(shù)進(jìn)行改進(jìn)，給出了一種根據(jù)圖像中不同區(qū)域的灰度分布特性，自適應(yīng)選取正則化參數(shù)的方法。原來算法中的正則化參數(shù)對于圖像中每一個像素都是同一個值，而本文算法得到的正則化參數(shù)，對應(yīng)圖像中不同的像素會有不同的值，從而有效地保持了圖像不同區(qū)域去噪與保留細(xì)節(jié)之間的平衡。該算法在有效去除噪聲的同時，很好地保留圖像的邊緣和紋理細(xì)節(jié)信息優(yōu)于全變分算法和迭代正則化算法。實(shí)驗(yàn)結(jié)果證實(shí)了所提算法的有效性，算法速度優(yōu)于全變

5、分算法，且圖像信噪比（SNR）較原有方法至少提高1．0 dB以上。 本文前面章節(jié)首先對圖像去噪的現(xiàn)狀作了詳盡的介紹。這部分主要介紹包括維納濾波、小波分析、擴(kuò)散方程等傳統(tǒng)的圖像去噪方法的原理及應(yīng)用。然后針對全變分算法的特點(diǎn)，對它的理論基礎(chǔ)、特點(diǎn)和應(yīng)用范圍作了詳細(xì)的闡述。并對正則化算法中的Bregman距離、正則化迭代等理論基礎(chǔ)作了全面的介紹。第四章詳細(xì)介紹了基于自適應(yīng)正則化的全變分去噪算法。最后，本文對醫(yī)學(xué)圖像去噪領(lǐng)域的前景和趨勢