基于神经网络和小波变换的mri图像去噪方法

《基于神经网络和小波变换的mri图像去噪方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华东师范大学硕士学位论文基于神经网络和小波变换的MRI图像去噪方法姓名：刘小征申请学位级别：硕士专业：无线电物理指导教师：杨光20070401摘要磁共振成像(MagneticResonanceImaging,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

2、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。关键字：磁共振成像；神经网络；小波变换

3、AbstractMagneticResonancehnaging(MRI)playsaninreplaceableroleinclinicdiagnosis．However,thequalityofMRIimagesisaffectedbythenoisethatcomesinevitablyduringdataacquisition．BecausethedistributionofnoiseinMRIimagesisnotGaussian,inotherwords，thenoiseissignal-correlated，themethodsusedt

4、odenoiseGaussian—distributednoisecannotbeappliedtoMRIimagedenoisingwell．Wavelettransformhasallimportantpositioninimagingprocessing,especiallyinimagedenoising．Inareaofimagedenoising,wavelet-domainmethodshaveachievedresultsmuchbetterthanthoseachievedbyoldimagedomainschemes．Artific

5、ialneuralnetworkisasimplesimulationofhumanneuralnetwork．Ithasbeenusedsuccessfullyintheareaofpattemrecognition．Throughtheprocessoftraining,neuralnetworkcanfindthehiddenrelationshipbetweentheinputandexpectedoutput．Duringsimulation,theneuralnetworkcangiveappropriateoutputaccordingt

6、otheinput．Inthisthesis，achievementsinwaveletdomaindenoisingandartificialneuralnetworkalecombinedtobringforthanewneuralnetworkbasedwaveletdomaindenoisingscheme．Thenewschemeusesneuralnetworktofindtherelationshipbetweenwaveletefficientsofnoisyimageandwaveletefficientsofcleanimage，i

7、nsteadofthetraditionalthresholdingandshrinking．Becauseoftheinsensitivenessofneuralnetworktothedistributionofthenoise，theproposedmethodcandealwithdifferentdistributionsofnoise．Accordingtotheresultsofourexperiments．ourmethodCanbesuccessfullyusedinMRIimagedenoising．Keyword：MRI；neur

8、alnetwork；wavelettransform学位论文独创性声明本人所呈交的学位论文是我