一种基于空谱特征先验的CEST图像去噪方法技术

一种基于空谱特征先验的CEST图像去噪方法,涉及磁共振成像领域。对受莱斯噪声污染的CEST图像方差稳定变换，纠正非高斯噪声引起的偏差；对方差稳定变换后的含噪CEST图像进行子空间学习，求解子空间的基；建立观测模型：将含噪CEST图像进行频谱低维表示，得到子空间低维图像利用子空间图像域非局部相似性，对添加非局部低秩约束；利用CEST图像的频谱局部光滑性对Z谱添加加权全变分约束，构建完整CEST图像去噪模型；对模型用交替极小化算法迭代求解，获得估计的去噪图像对方差逆变换，得到最终去噪图像。在有效去除噪声的基础上，能够达到更高的空谱保真度。能够达到更高的空谱保真度。能够达到更高的空谱保真度。

【技术实现步骤摘要】
一种基于空谱特征先验的CEST图像去噪方法


[0001]本专利技术涉及磁共振成像领域，尤其是涉及一种基于空谱特征先验的CEST图像去噪方法。

技术介绍

[0002]化学位移饱和(Chemical Exchange Saturation Transfer，CEST)成像技术是一种通过选择性饱和可交换质子来操纵水质子信号，从而间接检测低浓度可交换质子的技术。CEST实验需要采集一系列在不同饱和频偏下的图像，并在随后对这些CEST图像单像素点的Z谱进行定量分析，提取出每一像素点CEST效应，用于后续疾病诊断分析。CEST成像技术可以为各种疾病的评估提供有价值的信息，包括脑缺血、神经系统疾病和肿瘤等。然而，CEST成像技术的应用仍然受到低信噪比和低CEST对比度的限制。由于化学位移饱和转移造成的水信号强度降低，CEST图像对采集过程中的噪声十分敏感，从而影响后续定量分析结果。因此，CEST图像去噪是一个重要的问题。
[0003]目前，已有一些数据后处理方法利用不同的先验信息对CEST图像进行去噪。一些方法利用Z谱的局部光滑特性以去除噪声，如平滑样条插值和高斯滤波器等。Breitling J等人基于Z谱的低秩性提出了主成分分析(Principal Component Analysis，PCA)算法，只保留Z谱中的主成分信息，从而实现去噪。然而，上述方法由于忽略了CEST图像的空间相关性，难以达到较好的去噪结果。针对此问题，Chen L等人提出一种高维奇异值分解的算法(Multilinear Singular Value Decomposition，MLSVD)，充分利用CEST图像空谱维度的低秩性进行去噪。作为一种特殊的空间先验信息，非局部自相似性(Non
‑
local Self
‑
Similarity，NSS)被Romdhane F等人引入CEST去噪，提出了基于像素点的非局部均值相干增强扩散滤波器(Non
‑
Local mean Coherence Enhancing Diffusion filter，NLmCED)。这两种基于空谱先验信息的CEST去噪方法虽然在去噪效果方面有所提升，但仍存在局限性。对于MLSVD，空谱三个维度保留秩的个数需要根据不同的噪声水平和图像特征合理设置。对于NlmCED，由于滤波器是基于像素点而非图像块，可能导致某些图像细节过渡平滑，而且频谱维的低秩性被忽略了。
[0004]综上所述，在CEST图像去噪领域亟需一种能够充分利用不同的先验信息的方法，以适应不同的噪声水平和图像特征，并在保证空谱保真度的同时，保证去噪时间在可接受的范围内。

技术实现思路

[0005]本专利技术的目的在于现有技术存在的上述问题，为改善CEST图像去噪性能，达到更好的空谱保真度以及更准确的CEST定量结果，提供在有效去除莱斯噪声污染的同时达到较好的空谱保真度，从而达到更好CEST定量结果的一种基于空谱特征先验的CEST图像去噪方法。通过利用CEST图像中的频谱维低秩性、图像非局部自相似性、频谱维局部光滑性构建去噪模型，并对模型进行求解以获得去噪后的图像。
[0006]本专利技术包括以下步骤：
[0007]S1、对受莱斯噪声污染的CEST图像进行方差稳定变换以纠正非高斯噪声引起的偏差，将与信号耦合的莱斯噪声变成独立于信号分布的高斯噪声，得到变换后的噪声图像
[0008]S2、对方差稳定变换后的含噪CEST图像进行子空间学习，求解获得子空间的基A；
[0009]S3、建立观测模型：其中，为加性高斯噪声，为原始CEST图像；基于步骤S2中求解获得的基A将含噪CEST图像进行频谱低维表示，得到子空间低维图像
[0010]S4、利用子空间图像域非局部相似性，对子空间低维图像添加非局部低秩约束；
[0011]S5、基于步骤S3与S4的约束，进一步利用CEST图像的频谱局部光滑性对Z谱添加加权全变分约束，构建完整的CEST图像去噪模型；
[0012]S6、对步骤S5所得到的优化模型用交替极小化算法进行迭代求解，获得估计的去噪图像
[0013]S7、对步骤S6所得到的估计的去噪图像进行方差逆变换，得到最终的去噪图像。
[0014]进一步地，在步骤S2中，对方差稳定变换后的含噪CEST图像进行子空间学习，具体为：
[0015]S21、将含噪CEST图像沿着第三维度展开得到
[0016]S22、信号子空间的基由S21得到的Y
(3)
的前K个左奇异向量组成：
[0017]A＝U(:,1:K)(1)
[0018]其中，是子空间的基，其维度为F
×
K，是维度为F
×
F的正交矩阵；{U,Σ,V}＝SVD(Y
(3)
)的奇异值按递减排序，U，Σ，V为奇异值分解后的三个矩阵；K＜＜F，是保留的奇异值数量。
[0019]进一步地，在步骤S3中，基于步骤S2中求解获得的基将含噪CEST图像进行频谱低维表示，得到子空间低维图像，具体为：
[0020]S31、在加性噪声假设下的CEST图像恢复问题中，观测模型写为：
[0021][0022]其中，表示有F个频点，空间维大小B
×
C的原始CEST图像，表示加性高斯噪声；
[0023]S32、考虑到频谱维的低秩性，对含噪CEST图像进行频谱低秩表示，得到子空间低维图像
[0024][0025]其中，
×3代表张量沿着第三维度的乘法，代表子空间低维图像表示张量。
[0026]进一步地，在步骤S4中，对子空间低维图像添加非局部低秩约束，具体为：
[0027]S41、三维图像分块：对采用大小为D
×
D
×
K的滑动窗口，以像素位置i为中心选取图像块，获得多个图像块。
[0028]S42、相似块匹配聚类：以第i个关键图像块为搜索窗口的中心，在搜索窗口范围内利用欧氏距离寻找与关键图像块最相似的前Q个普通图像块,在沿着第三维度展开，并在非局部相似性维度堆叠后，聚合为一个三维非局部张量其中表示从位置
索引i中提取图像块并聚合的线性运算符。
[0029]S43、低秩约束去噪：将非局部低秩张量表示为则沿非局部相似维度的低秩约束可表示为：
[0030][0031]其中，是沿着维度2展开后保留秩的数量；λ
i2
是索引为i的非局部张量的噪声水平。
[0032]进一步地，在步骤S5中，利用CEST图像的频谱局部光滑性对Z谱添加加权全变分约束，具体为：
[0033]S51、为减少噪声对权重计算的影响，对的空间维施加大小为3
×
3的二维均值滤波器，得到张量ε。
[0034]S52、根据空谱信息进行权重计算。权重设计为与信号变化负相关，与噪声强度正相关。此外，由于水峰附近(|ω
f
|≤0.3ppm)信号变化较快本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空谱特征先验的CEST图像去噪方法，其特征在于，包括以下具体步骤：S1、对受莱斯噪声污染的CEST图像进行方差稳定变换以纠正非高斯噪声引起的偏差，将与信号耦合的莱斯噪声变成独立于信号分布的高斯噪声，得到变换后的噪声图像S2、对方差稳定变换后的含噪CEST图像进行子空间学习，求解获得子空间的基A；S3、建立观测模型：其中，为加性高斯噪声，为原始CEST图像；基于步骤S2中求解获得的基A将含噪CEST图像进行频谱低维表示，得到子空间低维图像S4、利用子空间图像域非局部相似性，对子空间低维图像添加非局部低秩约束；S5、基于步骤S3与S4的约束，利用CEST图像的频谱局部光滑性对Z谱添加加权全变分约束，构建完整的CEST图像去噪模型；S6、对步骤S5所得到的优化模型用交替极小化算法进行迭代求解，获得估计的去噪图像S7、对步骤S6所得到的进行方差逆变换，得到最终的去噪图像。2.根据权利要求1所述一种基于空谱特征先验的CEST图像去噪方法，其特征在于：在步骤S2中，所述对方差稳定变换后的含噪CEST图像进行子空间学习，具体步骤为：S21、将含噪CEST图像沿着第三维度展开得到S22、信号子空间的基A由S21得到的Y
(3)
的前K个左奇异向量组成：A＝U(:,1:K)(1)其中，是子空间的基，其维度为F
×
K，是维度为F
×
F的正交矩阵；{U,∑,V}＝SVD(Y
(3)
)的奇异值按递减排序，U，Σ，V为奇异值分解后的三个矩阵；K＜＜F，是保留的奇异值数量。3.根据权利要求1所述一种基于空谱特征先验的CEST图像去噪方法，其特征在于：在步骤S3中，所述基于步骤S2中求解获得的基A将含噪CEST图像进行频谱低维表示，得到子空间低维图像具体步骤是：S31、在加性噪声假设下的CEST图像恢复问题中，观测模型写为：其中，表示有F个频点，空间维大小B
×
C的原始CEST图像，表示加性高斯噪声；S32、考虑到频谱维的低秩性，对含噪CEST图像进行频谱低秩表示，得到子空间低维图像像其中，
×3代表张量沿着第三维度的乘法，代表子空间低维图像表示张量。4.根据权利要求1所述一种基于空谱特征先验的CEST图像去噪方法，其特征在于：在步骤S4中，所述对子空间低维图像添加非局部低秩约束，具体步骤为：S41、三维图像分块：对采用大小为D
×
D
×
K的滑动窗口，以像素位置i为中心选取图像块，获得多个图像块；S42、相似块匹配聚类：以第i个关键图像块为搜索窗口的中心，在搜索窗口范围内利用
欧氏距离寻找与关键图像块最相似的前Q个普通图像块,在沿着第三维度展开，并在非局部相似性维度堆叠后，聚合为一个三维非局部张量其中表示从位置索引i中提取图像块并聚合的线性运算符；S43、低秩约束去噪：将非局部低秩张量表示为则沿非局部相似维度的低秩约束表示为：其中，是沿着维度2展开后保留秩的数量；λ
i2
是索引为i的非局部张量的噪声水平。5.根据权利要求1所述一种基于空谱特征先验的CEST图像去噪方法，其特征在于：在步骤S5中，所述利用CEST图像的频谱局部光滑性对Z谱添加加权全变分约束，具体...

【专利技术属性】
技术研发人员：陈林，陈欣然，杨钰，吴健，陈桓，陈忠，
申请(专利权)人：厦门大学，
类型：发明
国别省市：