基于小波变换的磁共振图像去噪

波谱学杂志 ›› 2006, Vol. 23 ›› Issue (4): 529-541.

基于小波变换的磁共振图像去噪

黄世亮^1，2; 叶朝辉¹*; 裘鉴卿¹

(1.波谱与原子分子物理国家重点实验室(中国科学院武汉物理与数学研究所)，湖北武汉 430071; 2.中国科学院研究生院，北京 100049）

收稿日期:2006-03-21 修回日期:2006-04-17 出版日期:2006-12-05 在线发表日期:2009-12-05
通讯作者: 叶朝辉

Noise Reduction of Magnetic Resonance Images Based on Wavelet Transform: A Review

HUANG Shi-liang^1,2; YE Chao-hui¹*; QIU Jian-qing¹

(1.State Key Laboratory of Magnetic Resonance and Atomic and Molecular Physics (Wuhan Institute of Physics and Mathematics, Chinese Academy of Sciences), Wuhan 430071, China; 2.Graduate School of the Chinese Academy Sciences, Beijing 100049, China)

Received:2006-03-21 Revised:2006-04-17 Published:2006-12-05 Online:2009-12-05
Contact: YE Chao-hui

摘要/Abstract

摘要： 去噪是图像处理中的一个非常重要的问题. 传统去噪方法在降低噪声的同时会模糊图像的细节，基于小波变换的图像去噪方法能在降低图像噪声的同时较好地保持图像的细节，目前基于小波变换对图像进行去噪已经成为最有前途的去噪方法之一. 本文综合小波域去噪的文献，对小波域的磁共振图像去噪方法进行了综述，详细介绍了各种小波域的磁共振图像去噪方法，并对他们的性能进行了总结，对小波域去噪方法的发展趋势进行了展望.

关键词: 小波变换, 磁共振图像, 阈值, 去噪

Abstract: Denoising is an important issue in image processing. However, in the classical approaches there is often a tradeoff between reducing the noise level and preserving the high-frequency edges of the image. Denoising with wavelet transform has been acknowledged as one of the most promising methods for image denoising, as the method can not only remove the noise of the image but also preserve the edges of the image. The paper reviews the literature on denoising methods with wavelet transform, with emphasis on MR images denoising with wavelet transform. The future trend of wavelet image denoising is also discussed.

Key words: wavelet transform, magnetic resonance image, threshold, noise reduction

中图分类号:

O482.53

黄世亮1，2 ; 叶朝辉1 ; 裘鉴卿1 . 基于小波变换的磁共振图像去噪[J]. 波谱学杂志, 2006, 23(4): 529-541.

HUANG Shi-liang^1,2; YE Chao-hui¹*; QIU Jian-qing¹. Noise Reduction of Magnetic Resonance Images Based on Wavelet Transform: A Review
[J]. Chinese Journal of Magnetic Resonance, 2006, 23(4): 529-541.

[1]	黄敏, 朱俊琳, 考宇辰, 周到, 唐奇伶. 基于物理模型的ISTAVS-Net多线圈MRI图像重建[J]. 波谱学杂志, 2024, 41(4): 418-429.
[2]	杨黎明, 王远军. 扩散张量图像去噪算法研究进展[J]. 波谱学杂志, 2024, 41(3): 341-361.
[3]	胡小洋, 刘颖, 陈淑, 董彬彬. 融合注意力机制Mask RCNN的桥小脑角区听神经瘤和脑膜瘤的识别研究[J]. 波谱学杂志, 2023, 40(3): 293-306.
[4]	王颖珊, 邓奥琦, 毛瑾玲, 朱中旗, 石洁, 杨光, 马伟伟, 路青, 汪红志. 基于3D VNetTrans的膝关节滑膜磁共振图像自动分割[J]. 波谱学杂志, 2022, 39(3): 303-315.
[5]	林剑圣,王丽嘉. 结合生物力学模型重建左心室位移场[J]. 波谱学杂志, 2022, 39(1): 72-86.
[6]	霍璐,胡晓欣,肖勤,顾雅佳,褚旭,姜娈. 基于nnU-Net的乳腺DCE-MR图像中乳房和腺体自动分割[J]. 波谱学杂志, 2021, 38(3): 367-380.
[7]	刘鹏, 钟玉敏, 王丽嘉. 基于密集多尺度U-net网络的电影心脏磁共振图像右心室自动分割[J]. 波谱学杂志, 2020, 37(4): 456-468.
[8]	王婉婷, 苏适, 贾森, 梁栋, 王海峰. 基于虚拟线圈和卷积神经网络的多层同时激发图像重建[J]. 波谱学杂志, 2020, 37(4): 407-421.
[9]	宫进昌, 王宇, 王远军. 结合小波融合和深度学习的脑胶质瘤自动分割[J]. 波谱学杂志, 2020, 37(2): 131-143.
[10]	孙京文, 闫士举, 韩勇森, 宋成利. 基于脑部磁共振图像三维局部模式变换特征提取进行阿尔茨海默病病程预测分类[J]. 波谱学杂志, 2019, 36(3): 268-277.
[11]	邵丹丹, 王雪雪, 潘自来, 陈克敏, 张中帅, 袁莉莉, 许子悦, 陈磊, 王金红. 刀锋伪影校正技术在精神疾病患者海马MRI检查中的应用[J]. 波谱学杂志, 2019, 36(3): 261-267.
[12]	柴青焕, 苏冠群, 聂生东. 双树小波变换与小波树稀疏联合的低场CS-MRI算法[J]. 波谱学杂志, 2018, 35(4): 486-497.
[13]	常晓, 苏冠群, 聂生东. 基于小波变换的低场核磁共振信号去噪方法的研究进展[J]. 波谱学杂志, 2018, 35(3): 393-406.
[14]	徐嘉文, 徐健, 周晓东, 张聪, 陈群. 基于Gadgetron平台的多GPU分布式磁共振图像重建[J]. 波谱学杂志, 2018, 35(3): 303-317.
[15]	张波, 谢海滨, 严序, 李文静, 杨光. 旋转不变的非局域均值算法在磁共振图像去噪中的应用[J]. 波谱学杂志, 2018, 35(2): 162-169.