×
陆健;徐，陈;胡振伟;刘晓霞;蒋庆堂;孟德玉;林，周晨

一种新的非局部低阶正则化方法及其在磁共振图像去噪中的应用。 （英语） Zbl 07525943号

反向探测。 38，第6号，文章编号065012，24 p.（2022）.
摘要：在图像采集和传输过程中，磁共振（MR）图像经常受到里氏噪声的破坏。而且恢复MR数据非常困难，因为Rician噪声是信号依赖的。通过研究自然图像的非局部自相似性，并进一步利用二维数据的非局部相似块或三维数据的立方体所形成的矩阵的低阶先验，本文提出了一种新的非局部低阶正则化（NLRR）该方法包括一个优化模型和一个有效的迭代算法来消除里氏噪声。所提出的数学模型包括从最大值导出的数据保真度项后部估计和使用log-det函数的NLRR项。根据近似的贴片/立方体矩阵得到的模型是非凸和非光滑的。为了求解该模型，我们提出了一种交替重加权最小化（ARM）算法，该算法利用保真度项梯度的Lipschitz压缩性和对数函数在log-det函数中的凹性。ARM算法的子问题具有闭式解，其极限点是问题的一阶临界点。ARM算法进一步与两阶段方案相结合，以提高所提NLRR方法的去噪性能。在二维和三维MR数据（包括模拟和实际数据）上的实验结果表明，NLRR方法在去除Rician噪声方面优于现有的最新方法。

MSC公司：

68倍 计算机科学
94-XX年 信息与通信理论、电路

关键词：

MR图像;里氏噪声;去噪;非局部低阶正则化;交替加权最小化
PDF格式BibTeX公司 XML格式引用
\textit{J.Lu}等人，《反问题》。38，第6号，文章ID 065012，第24页（2022；Zbl 07525943）
全文： 内政部

参考文献：

[1] Wright，G.A.，磁共振成像，IEEE信号处理。Mag.，14，56-66（1997）·数字对象标识代码：10.1109/79.560324
[2] Guido，G。；库布勒，O。；Kikinis，R。；Jolesz，F.A.，MRI数据的非线性各向异性滤波，IEEE Trans。医学图像。，11, 221-232 (1992) ·数字对象标识代码：10.1109/42.141646
[3] Krissian，K。；Aja-Fernández，S.，MRI的噪声驱动各向异性扩散滤波，IEEE Trans。图像处理。，18, 2265-2274 (2009) ·Zbl 1371.94201号 ·doi:10.1109/tip.2009.2025553
[4] Nowak，R.D.，基于小波的磁共振成像Rician噪声去除，IEEE Trans。图像处理。，8, 1408-1419 (1999) ·doi:10.1109/83.791966年
[5] Getreuer，P。；Tong，M。；Vese，L.A.，《模糊和Rician噪声破坏的MR图像恢复的变分模型》，第6938卷，第686-698页（2011年），柏林：施普林格出版社，柏林
[6] Chen，L。；Zeng，T.，用于恢复带有大Rician噪声的模糊图像的凸变分模型，J.Math。成像视觉。，53, 92-111 (2015) ·Zbl 1357.94017号 ·doi:10.1007/s10851-014-0551-y
[7] Chen，W。；你，J。；陈，B。；潘，B。；李，L。；波梅罗伊，M。；Liang，Z.，Rician噪声下基于稀疏表示和字典学习的图像恢复算法，神经计算，286130-140（2018）·doi:10.1016/j.neucom.2018.01.066
[8] 江，D。；Dou，W。；Vosters，L。；Xu，X。；孙，Y。；Tan，T.，利用卷积神经网络的多通道残差学习进行三维磁共振图像去噪，日本。无线电杂志。，36, 566-574 (2018) ·doi:10.1007/s11604-018-0758-8
[9] 张凯。；左，W。；陈，Y。；孟，D。；Zhang，L.，超越高斯去噪器：深度CNN的残差学习用于图像去噪，IEEE Trans。图像处理。，2613142-3155（2017）·Zbl 1409.94754号 ·doi:10.1109/tip.2017.2662206
[10] Buades，A。；科尔·B。；Morel，J-M，图像去噪的非局部算法，第2卷，60-65（2005），新泽西州皮斯卡塔韦：IEEE，皮斯卡塔韦，新泽西·Zbl 1108.94004号
[11] Manjon，J。；Carbonellcaballero，J。；Lull，J。；加西亚马尔蒂，G。；Martibonmati，L。；Robles，M.，《使用非局部方法进行MRI去噪》，《医学图像分析》。，12, 514-523 (2008) ·doi:10.1016/j.media.2008.02.004
[12] J.V.Manjón。；库佩，P。；Buades，A。；路易斯·柯林斯，D。；Robles，M.，基于稀疏性和自相似性的MRI去噪新方法，医学图像分析。，16, 18-27 (2012) ·doi:10.1016/j.media.2011.04.003
[13] Foi，A.，《MR成像中的噪声估计和消除：方差稳定方法》，1809-1814（2011），新泽西州皮斯卡塔韦：IEEE，皮斯卡塔维，新泽西
[14] Dabov，K。；Foi，A。；卡特科夫尼克，V。；Egiazarian，K.，稀疏三维变换域协同滤波图像去噪，IEEE Trans。图像处理。，16, 2080-2095 (2007) ·doi:10.1109/tip.2007.901238
[15] Maggioni，M。；Katkovnik，V。；Egiazarian，K。；Foi，A.，体积数据去噪和重建的非局部变换域滤波器，IEEE Trans。图像处理。，22, 119-133 (2013) ·Zbl 1373.94273号 ·doi:10.1109/tip.2012.2210725
[16] 张，X。；徐，Z。；贾，N。；Yang，W。；冯（Q.Feng）。；Chen，W。；冯毅，利用高阶奇异值分解进行三维磁共振图像去噪，医学图像分析。，2015年5月19日至86日·doi:10.1016/j.media.2014.08.004
[17] 孔，Z。；Han，L.等人。；刘，X。；Yang，X.，用于三维磁共振图像去噪的新型4D非局部变换域滤波器，IEEE Trans。医学成像，37941-954（2018）·doi:10.1109/tmi.2017.2778230
[18] Dong，W。；Shi，G。；李，X。；马云（Ma，Y.）。；Huang，F.，通过非局部低阶正则化的压缩感知，IEEE Trans。图像处理。，23, 3618-3632 (2014) ·Zbl 1374.94085号 ·doi:10.1109/tip.2014.2329449
[19] 刘，X。；卢，J。；沈，L。；徐，C。；Xu，Y.，乘法噪声去除：非局部低阶模型及其最近交替加权最小化算法，SIAM J.成像科学。，13, 1595-1629 (2020) ·Zbl 1501.94003号 ·doi:10.1137/20m1313167
[20] 黄，T。；Dong，W。；谢，X。；Shi，G。；Bai，X.，通过拉普拉斯尺度混合建模和非局部低阶近似去除混合噪声，IEEE Trans。图像处理。，26, 3171-3186 (2017) ·兹比尔1409.94240 ·doi:10.1109/tip.2017.2676466
[21] Bowman，F.，《贝塞尔函数简介》（1958），纽约：多佛，纽约
[22] 卢，J。；田，J。；姜强。；刘，X。；胡，Z。；邹毅，通过加权核规范惩罚去除Rician噪声，应用。计算。哈蒙。分析。，53, 180-198 (2021) ·Zbl 1469.65107号 ·doi:10.1016/j.acha.2020.12.005
[23] 卢，Z。；Zhang，Y。；卢，J。，ℓ_通过迭代重加权奇异值最小化的p正则化低秩近似，Comput。最佳方案。申请。，68, 619-642 (2017) ·Zbl 1388.90096号 ·doi:10.1007/s10589-017-9933-6
[24] 刘易斯，A.S。；Sendov，H.S.，奇异值的非光滑分析：I.理论，集值分析。，13, 213-241 (2005) ·Zbl 1129.49025号 ·doi:10.1007/s11228-004-7197-7
[25] Bertsekas，D.P.，《非线性规划》（1999），马萨诸塞州贝尔蒙特：雅典娜科学出版社，马萨诸塞诸塞州贝尔蒙特·Zbl 1015.90077号
[26] 顾S。；谢奇。；孟，D。；左，W。；X·冯。；Zhang，L.，加权核范数最小化及其在低水平视觉中的应用，国际计算机杂志。视觉。，121183-208（2017）·Zbl 1458.68231号 ·doi:10.1007/s11263-016-0930-5
[27] 博尔特，J。；萨巴赫，S。；Teboulle，M.，非凸和非光滑问题的近似交替线性化最小化，数学。程序。，146, 459-494 (2014) ·Zbl 1297.90125号 ·doi:10.1007/s10107-013-0701-9
[28] Sun，T。；姜浩。；Cheng，L.，图像处理中近端迭代重加权核范数算法的收敛性，IEEE Trans。图像处理。，26, 5632-5644 (2017) ·Zbl 1409.94567号 ·doi:10.1109/tip.2017.2745200
[29] Gibson，J.D。；Bovik，A.C.，《图像和视频处理手册》（2000），纽约：学术出版社，纽约·Zbl 0967.68155号
[30] 王，Z。；博维克，A.C。；谢赫，H.R。；Simoncelli，E.P.，《图像质量评估：从错误可见性到结构相似性》，IEEE Trans。图像处理。，13, 600-612 (2004) ·doi:10.1109/tip.2003.819861
[31] 马库斯，D.S。；Wang，T.H。；Parker，J。；Csernansky，J.G。；莫里斯，J.C。；Buckner，R.L.，《开放获取成像研究系列（oasis）：年轻、中年、非痴呆和痴呆老年人的横断面mri数据》，J.Cogn。神经科学。，1498-1507年（2007年）·doi:10.1162/jocn.2007.19.9.1498
[32] Cocosco，C.A。；科尔洛基安，V。；Kwan，R.K-S；Evans，A.C.，Brainweb：3D MRI模拟大脑数据库的在线接口，NeuroImage，5，S425（1997）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。