[发明专利]基于边缘检测的局域化抗混叠方法

说明书

技术领域

本发明涉及一种去除并行成像残余伪影(residual artifacts)的图像后处理技术，特别是涉及一种抗混叠(de-aliasing method)方法。

背景技术

磁共振并行成像技术主要解决由于频域信号欠采样引起的图像混叠(aliasing)问题，但是由于自校准(Self-Calibrated)并行采集技术无法探测线圈灵敏度分布的高频信息，因此，在某些情况下重建图像保留有图像边缘残余伪影。

SENSE重建方法是上述的其中一种在图像域中消除伪影的方法，其基本思想如下所述。混叠可以表示为一个线性过程：b＝Ax，其中，x为要重建的原始图像，b为采集到的混叠图像，A为混叠矩阵。A由线圈的灵敏度分布决定，如果A已知，可以通过求A的伪逆的方法求得图像的最小二乘解：x′＝A⁺b＝(A^H·A)^-1A^Hb，其中H代表共轭转置运算。对于被准确测量的灵敏度分布，x′具有最佳信噪比的特点。

在射频场中，被成像的物体作为负载会影响线圈的场分布，因此一般线圈的灵敏度分布需要实时测量。一般来说线圈的灵敏度分布是空间位置的慢变函数，因此自校准的SENSE方法采用在低频区域满采样的方案实时获得线圈的灵敏度分布。然而这样得到的灵敏度分布仅仅是真实灵敏度分布的一种近似。应当注意到，只有存在被测物体信号的位置，灵敏度分布才是有意义的。因此在实际成像中，线圈的灵敏度分布的高频分量不可被忽略，而低频满采样测量灵敏度的方案无法探测到灵敏度分布的高频分量。于是在被测物体边缘，以及图像的相位变化较快的区域，线圈灵敏度分布有相对较大的误差。在灵敏度不准确的位置，最小二乘解x′的最佳信噪比和最优解的特性不再满足。

因此，在图像域消除伪影的SENSE方法，对于较为精确测量的灵敏度分布具有最佳信噪比的特点；但在与灵敏度分布估计不准确的组织边缘相对应的混叠位置容易出现残留伪影。如图1所示，原始图像10的边缘12在图像中对应的混叠区域是12’，在该混叠区域12’容易出现残留伪影，而非混叠区域16上的图像则具有较佳的信噪比。

另一类在频域解决混叠问题的成像方法以GRAPPA为代表，此类方法利用灵敏度分布的空间慢变特性，将各通道的灵敏度分布拟合成为空间的谐波函数。利用已采集的信号乘以谐波函数填充未采集的数据，从而起到消除伪影的作用。然而在某些情况下GRAPPA的高频区域的拟合结果存在较大误差，并会造成混叠位置上的残留伪影。

发明内容

本发明的目的在于提出一种基于边缘检测的局域化抗混叠(Local Edge Map De-Aliasing，LEMDA)方法，用于去除并行成像时在混叠位置上产生的伪影。

为实现上述的目的，本发明提出一种基于边缘检测的局域化抗混叠方法，用来在原始图像中去除存在于混叠区域的伪影，所述的原始图像由低频图像和包含伪影的高频图像组成，该方法包括步骤：检测所述的高频图像以确定所述的混叠区域；对所述的混叠区域的梯度图像进行滤波以去除伪影；以及使用原始图像和经过滤波的梯度图像合成目标图像。

所述的高频图像是通过计算所述的原始图像的梯度图像检测的，如果所述的梯度图像的强度大于预定的阈值，将位置进行标记为强高频位置。所述的混叠位置是通过偏移所述标记的位置来确定的。在读出方向将混叠区域的图像分为若干段，如果其中的一段的梯度强度其混叠方向的邻域强，且在读出方向是连续的，判定该段中存在伪影。或者计算混叠区域的图像与其对应的高频图像的相似度，如果相似度大于预定的阈值，判定混叠区域存在伪影。

对混叠区域的梯度图像进行中值滤波以去除伪影，除非所述的混叠区域与所述的强高频位置重合。在所述的低频图像上加上经过滤波的混叠区域的梯度图像以得到混叠区域的无伪影的图像从而得到无伪影的高频图像；将所述的低频图像与所述的无伪影的高频图像相加以合成目标图像。

另一种方案是将所述的原始图像和其梯度图像通过傅立叶变换变换到k空间；对所述的梯度图像的k空间进行逆滤波；将所述的原始图像的低频k空间填充到经过逆滤波的梯度图像的k空间的相应位置；然后将填充后的k空间通过反傅立叶变换得到新图像；将原始图像与该新图像相减得到差值图像；将差值图像除混叠区域外的强度置零得到新的差值图像，将该新的差值图像与所述的新图像相加以合成目标图像。