基于小波变换的磁共振图像增强

2010-09-06陈文波罗斌斌深圳市贝斯达医疗器械有限公司深圳518111

中国医疗器械信息 2010年10期

陈文波罗斌斌深圳市贝斯达医疗器械有限公司 (深圳 518111)

基于小波变换的磁共振图像增强

陈文波罗斌斌深圳市贝斯达医疗器械有限公司 (深圳 518111)

磁共振成像技术能在体外对疾病进行无损和无创伤检测,但其图像极易被噪声污染,有必要进行增强处理。本文对小波变换进行了介绍，重点分析其在图像增强处理方面的优点，并给出具体的算法实现步骤。最后给出了本算法用于磁共振图像增强的实例，对结果进行了讨论和展望。

小波变换磁共振图像增强

Abstract:Magnetic resonance imaging (MRI)technique can detect the diseases such as cancer in vitro invasively, but the images often contain noises and need to be enhanced. This paper introduced wavelet transform and focused on its application on image enhancement. Concrete algorithm steps are described. Finally, we shos the actual processing results.

Key words:wavelet transform, magnetic resonance imaging, image enhancement

1 磁共振成像简介

磁共振成像(Magnetic Resonance Imaging, MRI)是利用核磁共振(Nuclear Magnetic Resonance, NMR)机理进行成像的技术,是当今医学影像领域极其重要的诊断方法之一。早期主要用于研究物质的分子结构，1971年，美国人R. Damadian发现了肿瘤组织的T1、T2时间延长，提出可将NMR应用于医学，1980年，第一幅人体全身核磁共振图像问世。与其他医学影像方法相比，MRI具有如下特点：多参数成像，可以提供丰富的诊断信息，所获得的图像对比度高，尤其是可获得高对比度的软组织的图像；可实现任意方位的断层；无电离辐射，对人体没有损伤等。但是MRI也有其局限性，比如成像速度相对较慢，图像易受运动、设备等因素产生的伪影、噪声的影响。尤其是使用快速成像序列进行成像时，或者主磁场较低时，图像的信噪比就会下降，从而影响图像质量。虽然增加成像次数进行多幅图像累加平均可以提高信噪比，但同时又增加了成像时间，而这又可能进一步带来运动伪影的问题。因此，利用数字图像处理方法对被噪声污染的图像进行适当的增强和降噪处理就具有重要的实用价值。

虽然目前实际的医用磁共振成像设备一般都提供图像增强的后处理功能,但就其研究算法的研究，各厂家一直都未停止过，比如应用一些新的信号处理方法,如小波变换,对含有噪声或成像效果不好的磁共振图像进行增强处理。

2 现有的图像增强方法

图像增强技术主要分为两大类：空间域处理和变换域处理。空间域方法是直接对图像数据进行处理，增强过程是对每个像素点或者对较小的子图像进行处理，比如线性对比度拉伸、反锐化掩模、直方图均衡以及各种改进算法等。变换域方法对图像的处理是在图像的变换域中进行的，即图像数据通过某种变换后对变换的数据进行处理，再转换回图像空间得到所需的效果。一般采用的变换方法有傅立叶变换、离散余弦变换和小波变换等。特别是在小波域进行的图像增强方法，利用了小波变换的多分辨率特性，不仅可实现图像对比度的增强，而且压缩小波近似部分系数从而改善了图像的整体灰度。

3 小波变换基础

小波分析是当前应用数学和工程学科中一个迅速发展的新领域，传统的信号分析是建立在傅立叶变换基础之上的，由于傅立叶分析使用的是一种全局变换，对信号性质的讨论要么完全在时域，要么完全在频率域，因此无法同时表述信号的时频局部性质，而非平稳信号关键的性质就在于其时频的局部特征。小波变换的窗口大小固定但形状可改变，即时间窗和频率窗都可改变，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，这一特性使得小波变换具有对信号的自适应性。也正是这一特性，使得小波变换能够在信号处理领域中取得广泛的应用，不仅大量用于特征的提取与噪声的去除，而且经常用于图像特别是医学图像质量的增强。

4 本文所用算法

实际图像的对比度主要是图像边缘和均匀区域的对比，如果图像整体对比度较差，则需要先进行预处理。突出显示边缘可大大改善视觉效果，本文采用样条小波的离散小波变换，基于小波变换的的图像增强算法步骤如下：

(1) 对图像进行4级分解，所用小波为样条小波，得到各分解尺度j的低频系数Lj和高频系数Hj，其中每个Hj包含六个方向的复系数；

(2) 对j=N，近似部分不做变换，即分解与合成系数一致；

(3) 利用改变前和改变后的近似部分的小波系数计算ELj,ELj'；

(4) 分别计算6个方向的实部和虚部的增强系数Hj'；

(5) 根据改变后的小波重建j-1级的近似部分；

(6) j=j-1，若j＞0，则跳到步骤3继续进行处理，若j=0，则步骤5中重建的近似部分就是增强后的图像。

小波域的操作除了通过细节系数可以增强图像的边缘之外，也可以通过修正近似部分的系数来改变图像整体的明暗度。但是随着图像分解级数的增加，改变近似部分系数可能会造成图像的严重失真，为了解决图像偏暗或偏亮的情况，可在空间域中进一步对重构的图像进行处理，以实现良好的整体视觉效果。

5 MRI图像处理结果

在贝斯达0.50T永磁磁共振系统上进行水模成像分析，对比不同图像增强方法，图像增强后的结果大致有以下几种：处理后的图像均出现了严重的过增强现象；在增强图像边缘的同时，放大了噪声；处理后的图像虽然使较暗的图像亮度有了增强，但是整体偏亮，明暗对比度不够；处理后的图像边缘得到了增强，但是其对近似部分的压缩处理使图像整体偏灰；处理后的图像实现了边缘增强，但是图像保留了原有图的明间特性，增强特性效果不明显。然而，使用本文空域方法处理的图像则实现了边缘增强的同时呈现良好的整体效果，明暗对比度较强。

图像增强效果是一个很主观的问题，目前也没有一个统一的衡量标准，本文采用计算水模图像图中各灰度级出现概率的标准偏差delta的方法来评价图像的质量。由于对一幅图像而言，各灰度级出现概率越平均则图像质量越好，所以delta值越小越好，其余方法的改善效果均不理想，本文所采用的方法明显优于其它几个方法。

MRI图像由于其固有的特点，需对其进行额外的处理。典型的MRI图像中心是高信噪比区域，即感兴趣区域(Region of Interest, ROI)，外围是背景黑色低信噪比区域。由于只有ROI内包含有用的信息，所以增强算法仅作用于ROI内的数据。

图1为水模、头颅T1和头颅T2使用本文所述算法前后对比图，其中(a)(b)(c)为增强前图像，(e)(f)(g)为对应增强后图像。