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，利用弥散相对各向异性的稀疏性，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。

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，利用弥散相对各向异性的稀疏性，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)： 公式(1)

其中， 表示弥散张量矩阵的估计值，RA表示弥散相对各向异性，即Di(i＝1,…,6)分别为所述弥散张量矩

阵D中的元素， G(·)是作用于弥散相对各向异性的稀疏约束函数，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；

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，所述作用于弥散相对各向异性的稀疏约束函数约束弥散相对各向异性的稀疏性。

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，所述稀疏约束函数利用L1范函来约束弥散相对各向异性在稀疏变换域内的稀疏性。

5.根据权利要求4所述的方法，其特征在于，所述作用于弥散相对各向异性的稀疏约束函数G(·)调用以下公式计算获得：G(RA)＝||Ψ(RA)||1

其中，Ψ为运算符、表示稀疏变换，||·||1表示L1范数。

6.一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，利用弥散相对各向异性的稀疏性，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。

7.根据权利要求6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，利用弥散相对各向异性的稀疏性，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)： 公式(1)

其中， 表示弥散张量矩阵的估计值，RA表示弥散相对各向异性，即Di(i＝1,…,6)分别为所述弥散张量矩

阵D中的元素， G(·)是作用于弥散相对各向异性的稀疏约束函数，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T量gm＝(gxm,gym,gzm)；和

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。

8.根据权利要求6所述的磁共振弥散张量去噪系统，其特征在于，所述作用于弥散相对各向异性的稀疏约束函数约束弥散相对各向异性的稀疏性。

9.根据权利要求6所述的磁共振弥散张量去噪系统，其特征在于，所述稀疏约束函数利用L1范函来约束弥散相对各向异性在稀疏变换域内的稀疏性。

10.根据权利要求9所述的磁共振弥散张量去噪系统，其特征在于，所述作用于弥散相对各向异性的稀疏约束函数G(·)调用以下公式计算获得：G(RA)＝||Ψ(RA)||1

其中，Ψ为运算符、表示稀疏变换，||·||1表示L1范数。