一种基于逐行梯度拟合的MRI非均匀场估计方法技术

本发明专利技术提供一种基于逐行梯度拟合的MRI非均匀场估计方法。本发明专利技术假设非均匀场为光滑的，缓慢变化的，因此其造成的灰度变化应该很小，反映在梯度图中应该是较小的梯度值。而较大的梯度值则代表图像的细节信息。通过逐行提取梯度图中的较大值对图像重建，排除了非均匀场的影响。通过对原始图像与重建图像的误差进行拟合，得到非均匀场的估计。在拟合时本方法同时结合x-方向与y-方向梯度进行一次拟合，能够提高拟合精度。

【技术实现步骤摘要】

对核磁共振图像中由于磁场不均匀，线圈灵敏度引起的非均匀场进行估计并校正。
技术介绍
核磁共振成像由于其高分辨率、无电离辐射损伤以及任意角度成像等特点而被广泛地应用于医疗诊断和科学研究。但核磁共振成像系统由于受到磁场不均匀，线圈灵敏度等干扰，重建影像表现出一定的非均匀性，对医生诊断和计算机辅助分析如配准、分类等都会产生一定的影像。随着对更高分辨率扫描图像的需求，扫描仪的磁场强度越来越高、磁场梯度也越来越精细，随之而来的问题是核磁共振图像所遭受的非均匀场的干扰也越来越严重。非均匀场是由发射的空间磁场不均匀或接收线圈的不均匀灵敏度所引起的偏差场，这种偏差场一般被假设为一种平滑的、缓慢变化的乘性偏差场，会导致图像的灰度值与真实值之间存在一定的偏差。一些较强的非均匀场会降低图像的对比度，淹没病灶细节，从而导致错误的诊断结果或配准、分割误差。因此，非均匀场的校正对每一幅核磁共振图像都是必不可少的。非均匀场一般假设为一种光滑的缓慢变化的曲面，而校正方法则是对提取的非均匀度信息进行参数拟合得到非均匀场的估计。一种基于组织区域提取的非均匀性估计方法通过在MRI图像中寻找同一种组织区域，通过组织区域内的灰度变化来获得非均匀度信息。假设均匀图像内同一人体组织内的成像灰度一致，因此组织区域内的灰度变化代表非均匀场，通过差值拟合可得到全局非均匀场。算法缺点是假设在某些图像中并不成立，而估计精度与确定的组织区域的大小及分布有关。基于二阶梯度拟合的快速非均匀场估利用MRI图像的低频梯度与组织模型无关的特点，选取图像的二阶导数图中较小的值作为非均匀场造成的梯度的估计，用低阶多项式直接拟合得出非均匀场。但方法梯度采用阈值法选取，容易将图像细节错误地划分进去。若图像的非均匀场较小，而确定的拟合数据中又包含较多的图像细节，则造成的二阶梯度进行拟合误差较大，校正图像可能非均匀度更加严重。另外一种基于低频滤波的校正方法假设非均匀场为低频特性，通过对图像进行低通滤波得到非均匀场的估计。但方法缺点是非均匀场频谱与图像频谱混叠，使校正后图像信息丢失。滤波时引起边缘效应，使得图像细节变形。本方案提出的算法利用图像的梯度信息进行重建，具有以下特点：1)提取梯度信息中较大的值进行图像重建，通过与原始图像差值获得非均匀性信息。2)估计方法不依赖于其他设备和先验知识。3)估计方法运算速度满足实时要求。
技术实现思路
本专利技术提出一种基于逐行梯度拟合的MRI非均匀场估计方法，通过对非均匀图像进行逐行逐列的重建，获得均匀图像的近似，从而对非均匀场进行估计。首先对图像做求对数处理，将乘性的非均匀场变为加性，这样就对图像信息和非均匀场信息进行了解耦。然后计算图像的x-方向和y-方向梯度场，梯度场中的较大的值代表了图像的边缘和细节，而较小的值代表了非均匀场。通过逐行逐列提取梯度场中较大的点，然后进行重建，就获得了忽略非均匀场的图像信息，对原始图像和重建图像的差值进行拟合计算出非均匀场的估计。具体流程如下：步骤一、预处理核磁共振原始图像由收集的k空间信号进行傅立叶变换得到。由于设备和环境影响，受到噪声影响。在进行估计之前首先对原始图像进行去噪处理，以防止噪声对梯度计算的影响。其次对图像进行轮廓提取，剔除边缘的背景区域和一些低信噪比区域；另外，还要确定图像的轮廓，以排除图像的背景部分噪声的梯度值对重建造成的影响。轮廓可以通过图像的直方图确定阈值来划分。步骤二、计算梯度场估计非均匀场需要对区域内的梯度值进行拟合操作。为了将非均匀场和真实图像进行解耦，对原始图像v进行求对数操作，记作vlog。然后计算出图像的梯度场，包括x-方向梯度和y-方向梯度。图像梯度一般采用差分法或sobel算子求取，但因为本方法是基于逐行逐列的校正，为了使每一行估计的非均匀场对齐，在计算梯度时考虑其纵向的相邻的行的影响，并且为了抑制噪声的影响，计算梯度时也考虑横向的相邻像素的影响，为此本专利技术设计一种新的基于高斯核的梯度算子来计算图像的梯度，在计算某一点的梯度时考虑其周围点的影响。以x-方向为例，假设原始图像为v，对数操作后为vlog，计算公式为： Δ x v log ( x , y ) = Σ j = - n n Σ i = 1 m ω i , j [ v log ( x + i , y + j ) - v log ( x - i , y - j ) ] ]]>其中△x为求微分符号，表示对图像x方向求微分，vlog为原始图像v的对数域图像，(x,y)代表图像的像素点坐标，m,n为梯度算子的大小，ωi,j为高斯系数，满足在计算梯度时梯度算子的尺寸一般选为7×7，当处理较为复杂的图像或噪声影响比较大时尺寸可以适当放大。高斯核的协方差矩阵设定为 1 / s x 0 0 1 / s y , ]]>其中sx和sy分别为梯度算子横向和纵向的尺寸本文档来自技高网...

【技术保护点】
一种基于逐行梯度拟合的MRI非均匀场估计方法，其特征在于如下步骤：步骤一、预处理核磁共振原始图像由收集的k空间信号进行傅立叶变换得到；在进行估计之前首先对原始图像进行去噪处理，以防止噪声对梯度计算的影响；其次对图像进行轮廓提取，剔除边缘的背景区域和一些低信噪比区域；另外，还要确定图像的轮廓，以排除图像的背景部分噪声的梯度值对重建造成的影响；轮廓通过图像的直方图确定阈值来划分；步骤二、计算梯度场估计非均匀场需要对区域内的梯度值进行拟合操作；为了将非均匀场和真实图像进行解耦，对原始图像v进行求对数操作，记作vlog；然后计算出图像的梯度场，包括x‑方向梯度和y‑方向梯度；以x‑方向梯度计算为例，为了使每一行估计的非均匀场对齐，在计算梯度时考虑其纵向的相邻的行的影响，并且为了抑制噪声的影响，计算梯度时也考虑横向的相邻像素的影响，采用一种新的基于高斯核的梯度算子来计算图像的梯度，在计算某一点的梯度时考虑其周围点的影响；假设原始图像为v，对数操作后为vlog，则x‑方向计算公式为：Δxvlog(x,y)=Σj=-nnΣi=1mωi,j[vlog(x+i,y+j)-vlog(x-i,y-j)]]]>其中Δx为求微分符号，表示对图像x方向求微分，vlog为原始图像v的对数域图像，(x,y)代表图像的像素点坐标，m,n为梯度算子的大小，ωi,j为高斯系数，满足在计算梯度时梯度算子的尺寸为7×7，高斯核的协方差矩阵设定为1/sx001/sy,]]>其中sx和sy分别为梯度算子横向和纵向的尺寸大小；步骤三、选取峰值以x‑方向非均匀度的提取为例，每一行梯度信息都是一个一维的信号，其中的波峰和波谷代表了由于图像的边缘和细节信息造成的灰度值突变，而较小的梯度值则代表了由于非均匀场造成的灰度值的微笑变化，由于图像的复杂性，通过设定阈值选取较大的波峰值和波谷值来进行均匀信号的重建；假设梯度图像的每一行记为Δvi,其中i＝1,2,…,m，，首先确定vi中所有的波峰和波谷，然后选取前70％的值作为重建的关键点；步骤四、重积分对x‑方向梯度场进行逐行处理，得到剔除x‑方向非均匀度的重建信号，拟合得到x‑方向的非均匀场；对y‑方向的梯度场进行逐列处理，得到剔除y‑方向非均匀度的重建信号。假设在第三步选取的点为[a1,a2,…,an]，其中n为关键点的个数，它们对应在信号中的坐标为[t1,t2,…,tn]，则重建梯度为表示为：Δv^i=Σj=1najδ(x-tj)]]>其中δ(x)为脉冲响应函数：重建信号通过对重建梯度场进行积分得到：v^i(x)=Σt=0xΔv^i(t).]]>处理完所有的行，则获得了由x‑方向提取的均匀图像的估计；同理由y‑方向梯度场提取出另一个均匀图像；步骤五、多项式拟合非均匀场重建完所有的行和列的信号之后，根据这些重建的信号进行多项式拟合得到非均匀场的估计；因为x‑方向和y‑方向的灰度变化都是基于同一个非均匀场，在拟合时将x‑方向和y‑方向的估计误差放在同一个目标函数中进行优化；非均匀场为光滑缓慢变化的曲线，用低阶多项式进行拟合逼近，目标函数为：b^=argminb[Σi=1m(vix-v^ixbix)2+Σi=1m(viy-v^iybiy)2]]]>其中和分别为原始对数图像和重建图像的第i行灰度，为拟合多项式的第i行，分别为原始对数图像和重建图像的第j列灰度，为拟合多项式的第j列；利用最小二乘法求解上述最优化问题即获得对数域非均匀场的估计步骤六、校正获得的非均匀场为对数域的非均匀场，对其进行指数运算对图像进行校正，校正后的图像为：u^=evlog-b^.]]>...

【技术特征摘要】
1.一种基于逐行梯度拟合的MRI非均匀场估计方法，其特征在于如下步骤：
步骤一、预处理
核磁共振原始图像由收集的k空间信号进行傅立叶变换得到；在进行估计之前首先对原
始图像进行去噪处理，以防止噪声对梯度计算的影响；其次对图像进行轮廓提取，剔除边缘
的背景区域和一些低信噪比区域；另外，还要确定图像的轮廓，以排除图像的背景部分噪声
的梯度值对重建造成的影响；轮廓通过图像的直方图确定阈值来划分；
步骤二、计算梯度场
估计非均匀场需要对区域内的梯度值进行拟合操作；为了将非均匀场和真实图像进行解
耦，对原始图像v进行求对数操作，记作vlog；然后计算出图像的梯度场，包括x-方向梯度
和y-方向梯度；以x-方向梯度计算为例，为了使每一行估计的非均匀场对齐，在计算梯度时
考虑其纵向的相邻的行的影响，并且为了抑制噪声的影响，计算梯度时也考虑横向的相邻像
素的影响，采用一种新的基于高斯核的梯度算子来计算图像的梯度，在计算某一点的梯度时
考虑其周围点的影响；假设原始图像为v，对数操作后为vlog，则x-方向计算公式为：
Δ x v log ( x , y ) = Σ j = - n n Σ i = 1 m ω i , j [ v log ( x + i , y + j ) - v log ( x - i , y - j ) ] ]]>其中Δx为求微分符号，表示对图像x方向求微分，vlog为原始图像v的对数域图像，(x,y)代
表图像的像素点坐标，m,n为梯度算子的大小，ωi,j为高斯系数，满足在计算梯度时梯度算子的尺寸为7×7，高斯核的协方差矩阵设定为 1 / s x 0 0 1 / s y , ]]>其
中sx和sy分别为梯度算子横向和纵向的尺寸大小；
步骤三、选取峰值
以x-方向非均匀度的提取为例，每一行梯度信息都是一个一维的信号，其中的波峰和波
谷代表了由于图像的边缘和细节信息造成的灰度值突变，而较小的梯度值则代表了由于非均
匀场造成的灰度值的微笑变化，由于图像的复杂性，通过设定阈值选取较大的波峰值和波谷
值来进行均匀信号的重建；假设梯度图像的每一行记为Δvi,其中i＝1,2,…,m，，首先确定vi中
所有的波峰和波谷，然后选取前70％的值作为重建的关键点；
步骤四、重积分
对x-方向梯度场进行逐行处理，得到剔除x-方向非均匀度的重建信号，拟合得到x-方向
的非均匀场；对y-方向的梯度场进行逐列...

【专利技术属性】
技术研发人员：凌强，李朝辉，李峰，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34