MRI Denoising Based on a Non-Parametric Bayesian Image Sparse Representation Method
MRI Denoising Based on a Non-Parametric Bayesian Image Sparse Representation Method
复制标题
基于非参数贝叶斯图像稀疏表示方法的MRI去噪
DOI：
10.4028/www.scientific.net/amr.219-220.1354
复制
发表时间：
2011-03
期刊：
影响因子：
--
通讯作者：
Liu Hui
中科院分区：
文献类型：
--
作者：
Chen Xian-bo;Ding Xing-hao;Liu Hui
磁共振图像经常受到高斯噪声的干扰，严重影响了磁共振图像的质量。提出了一种非参数分层贝叶斯图像稀疏表示方法，以消除磁共振图像中的高斯分布噪声耦合。在该方法中，对稀疏系数施加尖峰先验，并从受损图像中学习冗余字典。实验结果表明，该方法不仅提高了磁共振图像去噪的效果，而且对噪声方差有较好的估计。与非局部滤波法相比，该模型具有更好的视觉质量和更高的峰值信噪比。
Magnetic Resonance images are often corrupted by Gaussian noise which highly affects the quality of MR images. In this paper, a Non-Parametric hierarchical Bayesian image sparse representation method is proposed to wipe out Gaussian distribution noise coupling in MR images. In this method a spike-slab prior is imposed on sparse coefficients, and a redundant dictionary is learned from the corrupted image. Experimental results show that the method not only improves the effect of MRI denoising, but also can obtain good estimation of the noise variance. Compared to non-local filter method, this model shows better visual quality as well as higher PSNR.
登录
查看更多内容
DOI：
--
发表时间：
2009-12
期刊：
--
影响因子：
--
作者：
Mingyuan Zhou;Haojun Chen;J. Paisley;Lu Ren;G. Sapiro;L. Carin
通讯作者：
Mingyuan Zhou;Haojun Chen;J. Paisley;Lu Ren;G. Sapiro;L. Carin
DOI：
10.1109/icassp.2010.5495174
发表时间：
2010-03
期刊：
2010 IEEE International Conference on Acoustics, Speech and Signal Processing
影响因子：
--
作者：
X. Qu;Xue Cao;D. Guo;Changwei Hu;Zhong Chen
通讯作者：
X. Qu;Xue Cao;D. Guo;Changwei Hu;Zhong Chen
影响因子：
5.4
作者：
Ji, Shihao;Xue, Ya;Carin, Lawrence
通讯作者：
Carin, Lawrence
影响因子：
10.6
作者：
Elad, Michael;Aharon, Michal
通讯作者：
Aharon, Michal
影响因子：
10.9
作者：
Manjon, Jose V.;Carbonell-Caballero, Jose;Robles, Montserrat
通讯作者：
Robles, Montserrat