1.一种磁共振弥散张量去噪方法，其包括：

图像数据获取步骤：获取磁共振弥散加权图像所对应的K空间数据；

去噪步骤：基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散张量特征值的稀疏性，采用最大后验概率估计的方法由所述K空间数据获得每一个空间位置所对应的去噪后的弥散张量矩阵；

弥散参数计算步骤：基于所述去噪后的弥散张量矩阵，获得弥散参数图；

所述去噪步骤包括：

基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散张量特征值的稀疏性，采用最大后验概率估计的方法构建去噪函数模型，所述去噪函数模型参见如下述公式(1)：其中，表示弥散张量矩阵的估计值，M(·)表示计算所述弥散张量特征值的运算符，即R(M(D))＝R(λ1,λ2,λ3)，λ1,λ2,λ3分别为弥散张量矩阵D的三个弥散张量特征值；R(·)是作用于弥散张量特征值的稀疏约束函数，λ为相应的正则化参数；dm为第m个弥散加权图像所对应的K空间数据；F表示傅立叶编码矩阵； 表示第m个弥散加权图像，其中，I0表示无弥散加权的参考图像， 为第m个弥散加权图像的相位，b是弥散加权因子，gm是第m个弥散加权图像所对应的弥散梯度向量gm＝(gxm,gym,gzm)T。

2.根据权利要求1所述的磁共振弥散张量去噪方法，其特征在于，所述去噪步骤还包括：利用所述K空间数据，求解所述公式(1)，获得每一个空间位置所对应的去噪后的弥散张量矩阵。

3.根据权利要求2所述的磁共振弥散张量去噪方法，其特征在于，所述作用于弥散张量特征值的稀疏约束函数约束每个弥散张量特征值的稀疏性。

4.根据权利要求2所述的磁共振弥散张量去噪方法，其特征在于，所述作用于弥散张量特征值的稀疏约束函数约束弥散张量特征值的联合稀疏性。

5.根据权利要求3所述的方法，其特征在于，所述作用于弥散张量特征值的稀疏约束函数R(·)调用以下公式计算获得：其中，Ψ为运算符、表示稀疏变换，||·||1表示L1范数。

6.根据权利要求4所述的方法，其特征在于，所述作用于弥散张量特征值的稀疏约束函数R(·)调用以下公式计算获得：其中，Ψ为运算符，表示稀疏变换，ψi表示Ψ的第i列，||·||1表示L1范数，||·||2表示L2范数。

7.一种磁共振弥散张量去噪系统，其特征在于，所述系统包括：

图像数据获取模块，用于获取磁共振弥散加权图像所对应的K空间数据；

去噪模块，用于基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散张量特征值的稀疏性，采用最大后验概率估计的方法由所述K空间数据获得每一个空间位置所对应的去噪后的弥散张量矩阵；及弥散参数计算模块，用于基于所述去噪后的弥散张量矩阵，获得弥散参数图；

所述去噪模块包括：

模型构建单元，用于基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散张量特征值的稀疏性，采用最大后验概率估计的方法构建去噪函数模型，所述去噪函数模型参见如下述公式(1)：其中，表示弥散张量矩阵的估计值，M(·)表示计算所述弥散张量特征值的运算符，即R(M(D))＝R(λ1,λ2,λ3)，λ1,λ2,λ3分别为弥散张量矩阵D的三个弥散张量特征值；R(·)是作用于弥散张量特征值的稀疏约束函数，λ为相应的正则化参数；dm为第m个弥散加权图像所对应的K空间数据；F表示傅立叶编码矩阵； 表示第m个弥散加权图像，其中，I0表示无弥散加权的参考图像， 为第m个弥散加权图像的相位，b是弥散加权因子，gm是第m个弥散加权图像所对应的弥散梯度向量gm＝(gxm,gym,gzm)T。

8.根据权利要求7所述的磁共振弥散张量去噪系统，其特征在于，所述去噪模块还包括：矩阵求解单元，用于利用所述K空间数据，调用所述函数模型求解获得每一个空间位置所对应的去噪后的弥散张量矩阵。

9.根据权利要求7所述的磁共振弥散张量去噪系统，其特征在于，所述作用于弥散张量特征值的稀疏约束函数约束每个弥散张量特征值的稀疏性。

10.根据权利要求7所述的磁共振弥散张量去噪系统，其特征在于，所述作用于弥散张量特征值的稀疏约束函数约束弥散张量特征值的联合稀疏性。