专利名称：一种消除磁共振图像中尖峰噪声的方法
技术领域：
本发明涉及磁共振成像的图像处理领域，尤其涉及一种消除磁共振图像中尖峰噪声的方法。
背景技术：
磁共振成像具有无损伤、软组织对比度高、任意方向断层等优点，不仅能够提供组织形态学信息，而且能够反映组织的功能特性和分子水平信息，因此磁共振成像已经广泛应用于医学临床诊断中。磁共振成像扫描过程中，受硬件故障、静电、机械振动等因素的影响，可能会在采集到的原始数据(K空间)中产生幅值很大的异常点，即尖峰噪声点。尖峰噪声导致重建出的图像产生条纹状伪影，这将严重影响成像质量。利用图像后处理算法来修复K空间数据中的尖峰噪声点能够节省额外的扫描时间，有助于改善用户体验和提高设备的使用率。尖峰噪声常规的修复方法主要有插值法和背景信息法。插值法根据尖峰噪声周围的信号估算出噪声位置的信号值；背景信息法利用磁共振图像背景中的值主要来自尖峰噪声与随机噪声的特点，对图像背景区域进行傅立叶变换得到对应于背景区域的K空间数据，估算出尖峰噪声值并进行去除。无论上述哪种方法对出现在信号较高的低频区域内的尖峰噪声的处理效果都不理想。
发明内容
本发明克服了现有技术中无法理想地消除尖峰噪声的缺陷，提出了一种消除磁共振图像中尖峰噪声的方法。本发明提出了一种消除磁共振图像中尖峰噪声的方法，包括:步骤一:定位采集到的磁共振图像的k空间数据中的所有尖峰噪声所在的位置，利用充零或者插值方法设置所述尖峰噪声所在位置的信号强度值作为初始值，并设定算法迭代参数，包括能量函数的阈值、能量函数变化量的阈值以及最大迭代次数；步骤二:将所述磁共振图像的K空间数据转换为图像域数据；步骤三:对所述图像域数据进行小波变换得到小波域数据，并对所述图像域数据进行有限差分运算获得全变差数据；步骤四:根据所述小波域数据与所述全变差数据计算能量函数值；步骤五:判断所述能量函数值，若所述能量函数值大于所述能量函数值的阈值，且所述能量函数值的变化量大于所述能量函数值变化量的阈值，且迭代次数没有达到所述的最大迭代次数阈值，则利用优化算法改变所述尖峰噪声所在位置的信号强度的数值，并重复执行所述步骤二至步骤五进行迭代；否则就将当前的所述尖峰噪声所在位置的信号强度值作为修复值，完成尖峰噪声去除过程。其中，利用图像的稀疏性来进行尖峰噪声的消除，所述能量函数值的计算方法如下:
EQ = IlWQII^aTV(I)式中，I代表图像域数据，Ψ (I)表示所述小波域数据，TV(I)表示所述全变差数据，a表不权重分配。其中，所述步骤五中，所述优化算法包括共轭梯度法。利用所述优化算法改变所述尖峰噪声所在位置的信号强度值时，优化算法的计算过程中根据所述能量函数的变化情况，不断调整参数(具体为调整尖峰噪声所在位置的信号强度)，以寻求能量函数的最小值，对应于能量函数最小值的尖峰噪声所在位置的信号强度，即是消除尖峰噪声之后的信号强度。其中，所述步骤五中进一步包括，当所述能量函数小于所述能量函数的阈值，或者当所述能量函数的变化量小于所述能量函数变化量的阈值，或者当迭代的次数超过所述最大迭代次数时，则停止迭代计算过程，将当前所述尖峰噪声所在位置的信号强度值作为修复所述的尖峰噪声所在位置信号强度的修复值。本发明利用磁共振图像在某些变换域(如小波域和有限差分域等)中存在稀疏性的特点，通过最大化图像在变换域中的稀疏性的方法，将被尖峰噪声污染的点或区域的信号重建出来。数据还原过 程通过满足以下要求来实现:一、保真，要求还原尖峰噪声处的信号的过程中，不应改变其他区域的数据。二、整体连续，即要求还原后的数据在小波域尽量稀疏。三、局部平滑，即要求还原后的数据重建出的图像经过有限差分运算后的值尽量小。其中第一项通过算法的计算过程中不改变其他区域的数据来体现，第二项与第三项要求则通过加权值来协调满足，重建范围局限于尖峰噪声所在的位置或区域。本发明的优点在于不要求精确定位尖峰噪声的位置，同时能够修复原本信号强度较高的低频区域的尖峰噪声，对尖峰噪声的修复更加准确。
图1表示消除磁共振图像中尖峰噪声的方法的流程图；图2表示不包含尖峰噪声的参考图；图3表示被尖峰噪声污染的K空间数据；图4表示受到尖峰噪声影响的图像；图5表示误判噪声的情况下，采用本发明算法消除尖峰噪声的结果图和图2中参考图的差图；图6表示准确定位噪声情况下，通过三次样条插值法修复尖峰噪声的结果图和图2中参考图的差图；图7表示未误判噪声的情况下，采用插值算法消除尖峰噪声的结果图；图8表示误判噪声的情况下，采用本发明算法消除尖峰噪声的结果图。
具体实施例方式结合以下具体实施例和附图，对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。图1显示的是本发明消除共振图像中尖峰噪声的方法的流程图，包括:
步骤一:定位磁共振图像数据中的所有尖峰噪声，利用三次样条插值法设置的尖峰噪声所在位置的信号强度的数值，或者直接将的尖峰噪声所在位置的信号强度设置为O ;同时，设定算法迭代过程使用的参数，包括当用于终止算法迭代的能量函数的阈值、能量函数变化量的阈值以及算法的最大迭代次数；步骤二:将磁共振图像的K空间数据转换为图像域数据；步骤三:对图像域数据进行小波变换得到小波域数据，并对图像域数据进行有限差分获得全变差数据；步骤四:根据小波域数据与全变差数据计算能量函数；步骤五:判断能量函数，若能量函数小于的能量函数的阈值，或者本次迭代的能量函数数值与上次迭代时能量函数的差异小于的能量函数变化量的阈值，或者当前的迭代次数已经达到步骤一中指定的迭代算法的最大迭代次数，就将当前设置的尖峰噪声所在位置的信号的数值作为最终修复所用的修复值，从而完成尖峰噪声去除过程。若能量函数大于的能量函数的阈值，并且能量函数的变化量大于能量函数变化量的阈值，并且迭代次数没有达到的最大迭代次数，则利用优化算法如共轭梯度法等改变尖峰噪声所在位置的信号强度的数值，并重复执行步骤二进行迭代。图2显示的是一幅作为参考图的颈椎磁共振图像，动态范围为O到4095，该图通过自旋回波序列采集，采集参数为TR/TE 400/231118，观察野260\260臟，层厚5臟。该图经过傅里叶变换转到K空间域，k空间矩阵大小为256x256，通过在坐标为(128，129)的位置添加模拟尖峰噪声进行实验如图3所示。图4显示在添加模拟尖峰噪声后，参考图的图像质量严重下降。 本实施例中，利用本发明修复尖峰噪声的具体实施步骤如下:第一步:通过动态阈值法定位尖峰噪声；并设定能量函数两次迭代运算之间能量函数变化量的阈值为10e-26(10的-26次方)及迭代搜索的最大迭代次数为20 ；其中，动态阈值法中能量函数的阈值的计算方式为:f (r) = (1+ ε ) A0/ | r~r01 + σ其中为K空间的中心回波位置，A0为受距离加权的信号的最大值，σ为噪声方差，ε设为经验值0.6。从而定位得到位置(128，129)有尖峰噪声。为了体现本发明算法的鲁棒性，随机添加(128，129)，(128,130)两处为误判尖峰噪声。通过三次样条插值法计算的尖峰噪声所在位置的信号强度的数值。第二步:对k空间数据做反傅立叶变换得到图像域数据。步骤三:然后对图像域做小波基为db2的四级小波变换得到小波域数据，以及对图像域做有限差分运算得到全变差数据。第三步:利用小波域数据和全变差数据根据如下公式计算能量函数。EQ = IlWQII^a-TV(I)其中，I代表图像域的图像，Ψ(Ι)表示对图像做小波变换得到的小波域数据，TV(I)表示图像的全变差(Total Variation)数据，α表示两者的权重分配，设置为0.4。第四步:判断能量函数，若能量函数小于的能量函数的阈值，或者本次迭代的能量函数数值与上次迭代时能量函数的差异小于的能量函数变化量的阈值，或者当前的迭代次数已经达到步骤一中指定的迭代算法的最大迭代次数，就将当前设置的尖峰噪声所在位置的信号的数值作为最终修复所用的数值，从而完成尖峰噪声去除过程。若能量函数大于的能量函数的阈值，并且能量函数的变化量大于能量函数变化量的阈值，并且迭代次数没有达到的最大迭代次数，则利用优化算法如共轭梯度法等改变尖峰噪声所在位置的信号强度的数值，并重复执行步骤二进行迭代。本实施例中，d(E(I))表示能量函数的改变方向，d(E(I))的初值设为E(I)导数的反方向，即d (E (I)) i = -gradient (E (I))，利用共轭梯度法作为优化算法的具体实施过程如下所示:gi = -gradient (E (I))bi = (gi，*gi)/(g1-1，*g1-l)g1-1 = gid (E (I)) i+1 = -gl+bi*d (E (I)) ii = i+1E(I) i+1 = E(I) i+t*d(E(I)) i，其中 t = argmaxf (t) = E(I) i_E(I, t) i+1。实验结果显示，本发明算法修复得到尖峰噪声所在位置的目标值跟原数据基本吻合，并且准确度明显高于插值算法(参考值121.3+40.90i，插值算法462.1-33.12i，本发明算法 133.4+35.16i)。图5、图6表示通过将不同算法的消除尖峰噪声后的图像与参考图做差图来检验尖峰噪声的修复结果，理想的差图应该信号强度全部为0，即图像全黑。差像的信号强度越小说明修复的结果越好。其中，差图显示的动态范围为O到500。在准确定位尖峰噪声的情况下采用三次样条插值算法，而误判两处尖峰噪声的情况下采用本发明算法，从图5显示的本发明算法的差图与图6显示的插值算法的差图可以明显看出，本发明算法的差图全图都比较暗，算法的修正效果优越。图7显示了采用插值算法消除尖峰噪声后的结果图，该图中部偏亮而上下端偏暗，有较明显的伪影。图8显示了应用本发明算法的消除尖峰噪声后的结果图，未见明显伪影，说明本发明算法对尖峰噪声的修复结果优于插值算法。本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。
权利要求
1.一种消除磁共振图像中尖峰噪声的方法，其特征在于，包括: 步骤一:定位采集到的磁共振图像的k空间数据中的所有尖峰噪声所在的位置，设置所述尖峰噪声所在位置的信号强度值作为初始值，并设定算法迭代参数，包括能量函数的阈值、能量函数变化量的阈值以及最大迭代次数； 步骤二:将所述磁共振图像的K空间数据转换为图像域数据； 步骤三:对所述图像域数据进行小波变换得到小波域数据，并对所述图像域数据进行有限差分运算获得全变差数据； 步骤四:根据所述小波域数据与所述全变差数据计算能量函数值； 步骤五:判断所述能量函数值，若所述能量函数值大于所述能量函数值的阈值，且所述能量函数值的变化量大于所述能量函数值变化量的阈值，且迭代次数没有达到所述的最大迭代次数阈值，则利用优化算法改变所述尖峰噪声所在位置的信号强度的数值，并重复执行所述步骤二至步骤五进行迭代；否则就将当前的所述尖峰噪声所在位置的信号强度值作为修复值，完成尖峰噪声去除过程。
2.如权利要求1所述的消除磁共振图像中尖峰噪声的方法，其特征在于，利用图像的稀疏性来进行尖峰噪声的消除，所述能量函数值的计算方法如下: E⑴=I |ψ ⑴ I K+α TV(I) 式中，I代表图像域数据，Ψ (I)表示所述小波域数据，TV(I)表示所述全变差数据，α表示权重分配。
3.如权利要求1所述的消除磁共振图像中尖峰噪声的方法，其特征在于，所述步骤五中，所述优化算法包括共轭梯度法。
4.如权利要求1所述的消除磁共振图像中尖峰噪声的方法，其特征在于，所述步骤五中进一步包括，当所述能量函数小于所述能量函数的阈值，或者当所述能量函数的变化量小于所述能量函数变化量的阈值，或者当迭代的次数超过所述最大迭代次数时，则停止迭代计算过程，将当前所述尖峰噪声所在位置的信号强度值作为修复所述的尖峰噪声所在位置信号强度的修复值。
全文摘要
本发明公开了一种消除磁共振图像中尖峰噪声的方法，包括定位采集到的磁共振图像的k空间数据中的所有尖峰噪声所在的位置，设置尖峰噪声所在位置的信号强度值作为初始值，并设定算法迭代参数；将磁共振图像的K空间数据转换为图像域数据；获取图像域数据的小波域数据及全变差数据；根据小波域数据与全变差数据计算能量函数值；判断能量函数值，若能量函数值均超过迭代参数，则利用优化算法改变尖峰噪声所在位置的信号强度的数值，并重复执行步骤二至步骤五进行迭代；否则就将当前的尖峰噪声所在位置的信号强度值作为修复值，完成尖峰噪声去除过程。本发明的优点在于不要求精确定位尖峰噪声的位置，对尖峰噪声的修复更加准确。
文档编号G06T5/00GK103150707SQ20131000941
公开日2013年6月12日 申请日期2013年1月10日 优先权日2013年1月10日
发明者周敏雄, 李智敏, 高明生, 严序, 谢海滨, 杨光 申请人:华东师范大学, 上海卡勒幅磁共振技术有限公司