基于SWT-2D与双树DWT的MRI图像去噪方法研究及其性能评估

　　本研究针对医学影像噪声问题，提出结合二维平稳小波变换(SWT-2D)与双树离散小波变换(2D-DWT)的创新去噪方法。实验表明该方法在PSNR、SSIM、FSIM和NMSE指标上均优于传统阈值法、深度神经网络及非局部均值滤波等现有技术，尤其对σ=10-20噪声水平具有优异表现。

　　

数字影像在采集、传输和处理过程中普遍存在噪声干扰，尤其在磁共振成像(MRI)领域更为突出。研究人员开发了一种融合二维平稳小波变换(SWT-2D)与二维双树离散小波变换(2D Dual-Tree DWT)的创新去噪方案：首先通过双树DWT分解获得噪声小波系数，继而采用SWT-2D技术对系数进行去噪处理，最后通过逆变换重构去噪图像。

该方法与四种主流去噪技术——SWT-2D域阈值法、深度神经网络法、双树DWT软阈值法以及非局部均值滤波进行对比验证。实验结果显示，在灰度图像和MRI数据上，该方案在峰值信噪比(PSNR)、结构相似性(SSIM)、归一化均方误差(NMSE)和特征相似性(FSIM)指标上均取得最优表现。

值得注意的是，在噪声水平σ=10或20时，该方法能有效去除噪声且仅引入轻微细节失真；当噪声升至σ=30或40时，虽能消除大部分噪声但会导致明显图像畸变。这项技术为医学影像预处理提供了新的解决方案，特别适用于中低噪声环境的MRI图像增强应用。