莱斯校正的NLM算法在扩散加权图像中的应用

摘要 扩散张量成像技术是一种非侵入活体获取脑白质结构的技术,其广泛应用于人体大脑的神经纤维跟踪.扩散张量图像是由扩散加权图像计算得到的,而扩散加权图像对噪声较为敏感,从而影响后续处理.扩散加权图像具有两个特点,一是图像的自相似性程度高,纹理和结构具有重复出现的特性且细节纹理较多,二是图像中所含噪声为莱斯噪声.基于这两个特点,我们提出了莱斯校正的非局部均值滤波算法.并将此算法应用于扩散加权图像的降噪中.算法首先针对图像中的莱斯噪声进行莱斯校正,然后再对校正后的图像使用非局部均值滤波器对其进行降噪.为了验证本文算法,通过实验将本文算法与传统的降噪算法进行比较.实验结果表明,本文算法能够更有效的减少扩散加权图像中的噪声,更好的保存了图像的纹理细节,提高了数据准确度