專利名稱：一種消除磁共振圖像中尖峰噪聲的方法
技術領域：
本發明涉及磁共振成像的圖像處理領域，尤其涉及一種消除磁共振圖像中尖峰噪聲的方法。
背景技術：
磁共振成像具有無損傷、軟組織對比度高、任意方向斷層等優點，不僅能夠提供組織形態學信息，而且能夠反映組織的功能特性和分子水平信息，因此磁共振成像已經廣泛應用于醫學臨床診斷中。磁共振成像掃描過程中，受硬件故障、靜電、機械振動等因素的影響，可能會在采集到的原始數據(K空間)中產生幅值很大的異常點，即尖峰噪聲點。尖峰噪聲導致重建出的圖像產生條紋狀偽影，這將嚴重影響成像質量。利用圖像后處理算法來修復K空間數據中的尖峰噪聲點能夠節省額外的掃描時間，有助于改善用戶體驗和提高設備的使用率。尖峰噪聲常規的修復方法主要有插值法和背景信息法。插值法根據尖峰噪聲周圍的信號估算出噪聲位置的信號值；背景信息法利用磁共振圖像背景中的值主要來自尖峰噪聲與隨機噪聲的特點，對圖像背景區域進行傅立葉變換得到對應于背景區域的K空間數據，估算出尖峰噪聲值并進行去除。無論上述哪種方法對出現在信號較高的低頻區域內的尖峰噪聲的處理效果都不理想。
發明內容
本發明克服了現有技術中無法理想地消除尖峰噪聲的缺陷，提出了一種消除磁共振圖像中尖峰噪聲的方法。本發明提出了一種消除磁共振圖像中尖峰噪聲的方法，包括:步驟一:定位采集到的磁共振圖像的k空間數據中的所有尖峰噪聲所在的位置，利用充零或者插值方法設置所述尖峰噪聲所在位置的信號強度值作為初始值，并設定算法迭代參數，包括能量函數的閾值、能量函數變化量的閾值以及最大迭代次數；步驟二:將所述磁共振圖像的K空間數據轉換為圖像域數據；步驟三:對所述圖像域數據進行小波變換得到小波域數據，并對所述圖像域數據進行有限差分運算獲得全變差數據；步驟四:根據所述小波域數據與所述全變差數據計算能量函數值；步驟五:判斷所述能量函數值，若所述能量函數值大于所述能量函數值的閾值，且所述能量函數值的變化量大于所述能量函數值變化量的閾值，且迭代次數沒有達到所述的最大迭代次數閾值，則利用優化算法改變所述尖峰噪聲所在位置的信號強度的數值，并重復執行所述步驟二至步驟五進行迭代；否則就將當前的所述尖峰噪聲所在位置的信號強度值作為修復值，完成尖峰噪聲去除過程。其中，利用圖像的稀疏性來進行尖峰噪聲的消除，所述能量函數值的計算方法如下:
EQ = IlWQII^aTV(I)式中，I代表圖像域數據，Ψ (I)表示所述小波域數據，TV(I)表示所述全變差數據，a表不權重分配。其中，所述步驟五中，所述優化算法包括共軛梯度法。利用所述優化算法改變所述尖峰噪聲所在位置的信號強度值時，優化算法的計算過程中根據所述能量函數的變化情況，不斷調整參數(具體為調整尖峰噪聲所在位置的信號強度)，以尋求能量函數的最小值，對應于能量函數最小值的尖峰噪聲所在位置的信號強度，即是消除尖峰噪聲之后的信號強度。其中，所述步驟五中進一步包括，當所述能量函數小于所述能量函數的閾值，或者當所述能量函數的變化量小于所述能量函數變化量的閾值，或者當迭代的次數超過所述最大迭代次數時，則停止迭代計算過程，將當前所述尖峰噪聲所在位置的信號強度值作為修復所述的尖峰噪聲所在位置信號強度的修復值。本發明利用磁共振圖像在某些變換域(如小波域和有限差分域等)中存在稀疏性的特點，通過最大化圖像在變換域中的稀疏性的方法，將被尖峰噪聲污染的點或區域的信號重建出來。數據還原過 程通過滿足以下要求來實現:一、保真，要求還原尖峰噪聲處的信號的過程中，不應改變其他區域的數據。二、整體連續，即要求還原后的數據在小波域盡量稀疏。三、局部平滑，即要求還原后的數據重建出的圖像經過有限差分運算后的值盡量小。其中第一項通過算法的計算過程中不改變其他區域的數據來體現，第二項與第三項要求則通過加權值來協調滿足，重建范圍局限于尖峰噪聲所在的位置或區域。本發明的優點在于不要求精確定位尖峰噪聲的位置，同時能夠修復原本信號強度較高的低頻區域的尖峰噪聲，對尖峰噪聲的修復更加準確。
圖1表示消除磁共振圖像中尖峰噪聲的方法的流程圖；圖2表示不包含尖峰噪聲的參考圖；圖3表示被尖峰噪聲污染的K空間數據；圖4表示受到尖峰噪聲影響的圖像；圖5表示誤判噪聲的情況下，采用本發明算法消除尖峰噪聲的結果圖和圖2中參考圖的差圖；圖6表示準確定位噪聲情況下，通過三次樣條插值法修復尖峰噪聲的結果圖和圖2中參考圖的差圖；圖7表示未誤判噪聲的情況下，采用插值算法消除尖峰噪聲的結果圖；圖8表示誤判噪聲的情況下，采用本發明算法消除尖峰噪聲的結果圖。
具體實施例方式結合以下具體實施例和附圖，對本發明作進一步的詳細說明。實施本發明的過程、條件、實驗方法等，除以下專門提及的內容之外，均為本領域的普遍知識和公知常識，本發明沒有特別限制內容。圖1顯示的是本發明消除共振圖像中尖峰噪聲的方法的流程圖，包括:
步驟一:定位磁共振圖像數據中的所有尖峰噪聲，利用三次樣條插值法設置的尖峰噪聲所在位置的信號強度的數值，或者直接將的尖峰噪聲所在位置的信號強度設置為O ;同時，設定算法迭代過程使用的參數，包括當用于終止算法迭代的能量函數的閾值、能量函數變化量的閾值以及算法的最大迭代次數；步驟二:將磁共振圖像的K空間數據轉換為圖像域數據；步驟三:對圖像域數據進行小波變換得到小波域數據，并對圖像域數據進行有限差分獲得全變差數據；步驟四:根據小波域數據與全變差數據計算能量函數；步驟五:判斷能量函數，若能量函數小于的能量函數的閾值，或者本次迭代的能量函數數值與上次迭代時能量函數的差異小于的能量函數變化量的閾值，或者當前的迭代次數已經達到步驟一中指定的迭代算法的最大迭代次數，就將當前設置的尖峰噪聲所在位置的信號的數值作為最終修復所用的修復值，從而完成尖峰噪聲去除過程。若能量函數大于的能量函數的閾值，并且能量函數的變化量大于能量函數變化量的閾值，并且迭代次數沒有達到的最大迭代次數，則利用優化算法如共軛梯度法等改變尖峰噪聲所在位置的信號強度的數值，并重復執行步驟二進行迭代。圖2顯示的是一幅作為參考圖的頸椎磁共振圖像，動態范圍為O到4095，該圖通過自旋回波序列采集，采集參數為TR/TE 400/231118，觀察野260\260臟，層厚5臟。該圖經過傅里葉變換轉到K空間域，k空間矩陣大小為256x256，通過在坐標為(128，129)的位置添加模擬尖峰噪聲進行實驗如圖3所示。圖4顯示在添加模擬尖峰噪聲后，參考圖的圖像質量嚴重下降。 本實施例中，利用本發明修復尖峰噪聲的具體實施步驟如下:第一步:通過動態閾值法定位尖峰噪聲；并設定能量函數兩次迭代運算之間能量函數變化量的閾值為10e-26(10的-26次方)及迭代搜索的最大迭代次數為20 ；其中，動態閾值法中能量函數的閾值的計算方式為:f (r) = (1+ ε ) A0/ | r~r01 + σ其中為K空間的中心回波位置，A0為受距離加權的信號的最大值，σ為噪聲方差，ε設為經驗值0.6。從而定位得到位置(128，129)有尖峰噪聲。為了體現本發明算法的魯棒性，隨機添加(128，129)，(128,130)兩處為誤判尖峰噪聲。通過三次樣條插值法計算的尖峰噪聲所在位置的信號強度的數值。第二步:對k空間數據做反傅立葉變換得到圖像域數據。步驟三:然后對圖像域做小波基為db2的四級小波變換得到小波域數據，以及對圖像域做有限差分運算得到全變差數據。第三步:利用小波域數據和全變差數據根據如下公式計算能量函數。EQ = IlWQII^a-TV(I)其中，I代表圖像域的圖像，Ψ(Ι)表示對圖像做小波變換得到的小波域數據，TV(I)表示圖像的全變差(Total Variation)數據，α表示兩者的權重分配，設置為0.4。第四步:判斷能量函數，若能量函數小于的能量函數的閾值，或者本次迭代的能量函數數值與上次迭代時能量函數的差異小于的能量函數變化量的閾值，或者當前的迭代次數已經達到步驟一中指定的迭代算法的最大迭代次數，就將當前設置的尖峰噪聲所在位置的信號的數值作為最終修復所用的數值，從而完成尖峰噪聲去除過程。若能量函數大于的能量函數的閾值，并且能量函數的變化量大于能量函數變化量的閾值，并且迭代次數沒有達到的最大迭代次數，則利用優化算法如共軛梯度法等改變尖峰噪聲所在位置的信號強度的數值，并重復執行步驟二進行迭代。本實施例中，d(E(I))表示能量函數的改變方向，d(E(I))的初值設為E(I)導數的反方向，即d (E (I)) i = -gradient (E (I))，利用共軛梯度法作為優化算法的具體實施過程如下所示: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。實驗結果顯示，本發明算法修復得到尖峰噪聲所在位置的目標值跟原數據基本吻合，并且準確度明顯高于插值算法(參考值121.3+40.90i，插值算法462.1-33.12i，本發明算法 133.4+35.16i)。圖5、圖6表示通過將不同算法的消除尖峰噪聲后的圖像與參考圖做差圖來檢驗尖峰噪聲的修復結果，理想的差圖應該信號強度全部為0，即圖像全黑。差像的信號強度越小說明修復的結果越好。其中，差圖顯示的動態范圍為O到500。在準確定位尖峰噪聲的情況下采用三次樣條插值算法，而誤判兩處尖峰噪聲的情況下采用本發明算法，從圖5顯示的本發明算法的差圖與圖6顯示的插值算法的差圖可以明顯看出，本發明算法的差圖全圖都比較暗，算法的修正效果優越。圖7顯示了采用插值算法消除尖峰噪聲后的結果圖，該圖中部偏亮而上下端偏暗，有較明顯的偽影。圖8顯示了應用本發明算法的消除尖峰噪聲后的結果圖，未見明顯偽影，說明本發明算法對尖峰噪聲的修復結果優于插值算法。本發明的保護內容不局限于以上實施例。在不背離發明構思的精神和范圍下，本領域技術人員能夠想到的變化和優點都被包括在本發明中，并且以所附的權利要求書為保護范圍。
權利要求
1.一種消除磁共振圖像中尖峰噪聲的方法，其特征在于，包括: 步驟一:定位采集到的磁共振圖像的k空間數據中的所有尖峰噪聲所在的位置，設置所述尖峰噪聲所在位置的信號強度值作為初始值，并設定算法迭代參數，包括能量函數的閾值、能量函數變化量的閾值以及最大迭代次數； 步驟二:將所述磁共振圖像的K空間數據轉換為圖像域數據； 步驟三:對所述圖像域數據進行小波變換得到小波域數據，并對所述圖像域數據進行有限差分運算獲得全變差數據； 步驟四:根據所述小波域數據與所述全變差數據計算能量函數值； 步驟五:判斷所述能量函數值，若所述能量函數值大于所述能量函數值的閾值，且所述能量函數值的變化量大于所述能量函數值變化量的閾值，且迭代次數沒有達到所述的最大迭代次數閾值，則利用優化算法改變所述尖峰噪聲所在位置的信號強度的數值，并重復執行所述步驟二至步驟五進行迭代；否則就將當前的所述尖峰噪聲所在位置的信號強度值作為修復值，完成尖峰噪聲去除過程。
2.如權利要求1所述的消除磁共振圖像中尖峰噪聲的方法，其特征在于，利用圖像的稀疏性來進行尖峰噪聲的消除，所述能量函數值的計算方法如下: E⑴=I |ψ ⑴ I K+α TV(I) 式中，I代表圖像域數據，Ψ (I)表示所述小波域數據，TV(I)表示所述全變差數據，α表示權重分配。
3.如權利要求1所述的消除磁共振圖像中尖峰噪聲的方法，其特征在于，所述步驟五中，所述優化算法包括共軛梯度法。
4.如權利要求1所述的消除磁共振圖像中尖峰噪聲的方法，其特征在于，所述步驟五中進一步包括，當所述能量函數小于所述能量函數的閾值，或者當所述能量函數的變化量小于所述能量函數變化量的閾值，或者當迭代的次數超過所述最大迭代次數時，則停止迭代計算過程，將當前所述尖峰噪聲所在位置的信號強度值作為修復所述的尖峰噪聲所在位置信號強度的修復值。
全文摘要
本發明公開了一種消除磁共振圖像中尖峰噪聲的方法，包括定位采集到的磁共振圖像的k空間數據中的所有尖峰噪聲所在的位置，設置尖峰噪聲所在位置的信號強度值作為初始值，并設定算法迭代參數；將磁共振圖像的K空間數據轉換為圖像域數據；獲取圖像域數據的小波域數據及全變差數據；根據小波域數據與全變差數據計算能量函數值；判斷能量函數值，若能量函數值均超過迭代參數，則利用優化算法改變尖峰噪聲所在位置的信號強度的數值，并重復執行步驟二至步驟五進行迭代；否則就將當前的尖峰噪聲所在位置的信號強度值作為修復值，完成尖峰噪聲去除過程。本發明的優點在于不要求精確定位尖峰噪聲的位置，對尖峰噪聲的修復更加準確。
文檔編號G06T5/00GK103150707SQ20131000941
公開日2013年6月12日 申請日期2013年1月10日 優先權日2013年1月10日
發明者周敏雄, 李智敏, 高明生, 嚴序, 謝海濱, 楊光 申請人:華東師范大學, 上海卡勒幅磁共振技術有限公司