CN106960429A - 一种ct图像金属伪影校正方法及装置 - Google Patents

Abstract

本发明提供一种CT图像金属伪影校正方法及装置，通过在先验投影的约束下，根据原始投影和金属投影，对原始投影的金属区域迭代进行高斯能量下降处理，得到满足条件的初步未校正投影并进行反投影重建得到初步校正图像，将初步校正图像平滑去噪后用于更新先验图像，通过迭代更新先验图像，并将每次更新后的先验图像进行投影得到更新后的先验投影，在更新后的先验投影的约束下，获得满足条件的初步未校正投影并进一步得到初步校正图像，直至获得满足条件的初步校正图像，与金属图像融合，得到最终校正图像。本发明有效地实现了CT图像的金属伪影校正，且避免了现有技术中插值法插值边界不平滑的问题和迭代法矫正时间较长的问题。

Description

一种CT图像金属伪影校正方法及装置

技术领域

本发明涉及图像处理领域，更具体地，涉及一种CT图像金属伪影校正方法及装置。

背景技术

X射线计算机断层成像技术(Computed Tomography，CT)是一种非常重要的医学成像方式和工业无损检测技术，广泛应用于医学领域。在获取患者的CT图像时，当探测器发出的X射线穿过人体存在金属物的部位时，低能量的X射线光子被金属物吸收的比例远远高于高能量的X射线光子。因此，探测器接收到的大部分是高能的X射线光子，使得X射线的平均能谱会向高能谱方向移动，从而导致反投影重建的CT图像会产生严重的金属伪影。这些伪影严重影响了医生对异常组织的诊断分析。为了获得清晰可靠的CT图像以供医生诊断使用，需对CT图像中的金属伪影进行校正。

现有技术一般采用插值法和迭代法进行金属伪影的校正。插值法是在投影域利用金属区域周围的投影值对金属伪影区域进行插值或者根据某种相似或对称原理对金属伪影区域进行成片插值修补。如：Kalender等人提出用金属投影区域附近的投影值对金属伪影区域进行线性插值，该方法会导致插值区域与附近投影区域的边界存在不平滑性，使得矫正后的图像有很严重的次级伪影。此外，多项式插值、小波插值、归一化插值等也存在此类问题；Yang Cheng等人提出根据相似性准则恢复被污染的投影值，他们首先分割出金属和伪影，然后根据相似性原理对这两部分的投影值进行修补，这种方法很大程度上取决于分割的效果以及伪影的严重程度，当图像结构或者金属结构比较复杂时效果很差。迭代法则是通过对金属投影区域之外的投影区域迭代反投影重建CT图像。该方法虽能在一定程度上矫正金属伪影，但时间复杂度很高，矫正金属伪影所需时间较长，不能满足临床需求。

发明内容

本发明提供一种CT图像金属伪影校正方法及装置以解决现有技术中插值法插值边界不平滑的问题和迭代法矫正时间较长的问题。

根据本发明的一个方面，提供一种CT图像金属伪影校正方法，包括：步骤1，利用CT***中的原始投影反投影重建未校正CT图像，对所述未校正CT图像分别进行第一分割和第二分割，对应得到金属图像和先验图像，对所述金属图像进行投影得到金属投影；步骤2，对所述先验图像进行投影，得到先验投影；步骤3，在所述先验投影的约束下，根据所述原始投影和所述金属投影，对所述原始投影的金属区域进行高斯能量下降处理，得到初步校正投影；步骤4，若所述原始投影与所述初步校正投影的差值大于第一预设阈值，用所述初步校正投影更新所述原始投影，执行步骤3；若所述原始投影与所述初步校正投影的差值小于或等于第一预设阈值，利用所述初步校正投影反投影重建初步校正图像；步骤5，若所述初步校正图像和所述先验图像的均方根误差大于第二预设阈值，则用经平滑去噪后的所述初步校正图像更新所述先验图像，执行步骤2；若所述初步校正图像和所述先验图像的均方根误差小于或等于第二预设阈值，将所述初步校正图像与所述金属图像进行融合，得到最终校正图像。

根据本发明的另一个方面，提供一种CT图像金属伪影校正装置，包括：反投影重建模块、投影模块、高斯能量下降模块、第一判断模块和第二判断模块；反投影重建模块，用于利用CT***中的原始投影反投影重建未校正CT图像，对所述未校正CT图像分别进行第一分割和第二分割，对应得到金属图像和先验图像，对所述金属图像进行投影得到金属投影；投影模块，用于对所述先验图像进行所述投影，得到先验投影；高斯能量下降模块，用于在所述先验投影的约束下，根据所述原始投影和所述金属投影，对所述原始投影的金属区域进行高斯能量下降处理，得到初步未校正投影；第一判断模块，用于若所述原始投影与所述初步未校正投影的差值大于第一预设阈值，用所述初步未校正投影替代所述原始投影；若所述原始投影与所述初步未校正投影的差值小于或等于第一预设阈值，利用所述初步未校正投影反投影重建初步校正图像；第二判断模块，用于若所述初步校正图像和所述先验图像的均方根误差大于预设阈值，则用经平滑去噪后的所述初步校正图像替换先验图像；若所述初步校正图像和所述先验图像的均方根误差小于或等于第二预设阈值，将所述初步校正图像与所述金属图像进行融合，得到最终校正图像。

本发明提出的一种CT图像金属伪影校正方法及装置，通过在先验投影的约束下，根据原始投影和金属投影，对原始投影的金属区域迭代进行高斯能量下降处理，直至原始投影与初步未校正投影的差值小于或等于第一预设阈值，实现了对原始投影的校正，并将校正后的原始投影，即迭代所得的初步未校正投影，进行投影得到初步校正图像，将初步校正图像平滑去噪后用于更新先验图像，使得更新后的先验图像中的伪影和噪声都在一定程度上减弱，通过迭代更新先验图像，并将每次更新后的先验图像进行投影得到更新后的先验投影，在更新后的先验投影的约束下，获得满足第一预设阈值条件的初步未校正投影并进一步得到初步校正图像，直至获得满足第二预设阈值条件的初步校正图像，使得先验图像中的伪影被不断去除，进而使得初步校正图像中的伪影更有效地被去除，通过将满足第二预设阈值条件的初步校正图像与金属图像融合，得到最终校正图像。本发明有效地实现了CT图像的金属伪影校正，且避免了现有技术中插值法插值边界不平滑的问题和迭代法矫正时间较长的问题。

附图说明

图1为根据本发明实施例的CT图像金属伪影校正的方法流程图；

图2为根据本发明实施例的CT图像金属伪影校正的装置示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

在获取患者的CT图像时，当探测器发出的X射线穿过人体存在金属物的部位时，会出现X射线射束硬化现象，即低能量的X射线光子被金属物吸收的比例远远高于高能量的X射线光子，探测器接收到的大部分是高能的X射线光子，使得X射线的平均能谱会向高能谱方向移动，从而导致反投影重建的CT图像会产生严重的金属伪影。这些伪影严重影响了医生对异常组织的诊断分析。

如图1所示，本发明提供一种CT图像金属伪影校正方法，包括：步骤1，利用CT***中的原始投影反投影重建未校正CT图像，对所述未校正CT图像分别进行第一分割和第二分割，对应得到金属图像和先验图像，对所述金属图像进行投影得到金属投影；步骤2，对所述先验图像进行投影，得到先验投影；步骤3，在所述先验投影的约束下，根据所述原始投影和所述金属投影，对所述原始投影的金属区域进行高斯能量下降处理，得到初步校正投影；步骤4，若所述原始投影与所述初步校正投影的差值大于第一预设阈值，用所述初步校正投影更新所述原始投影，执行步骤3；若所述原始投影与所述初步校正投影的差值小于或等于第一预设阈值，利用所述初步校正投影反投影重建初步校正图像；步骤5，若所述初步校正图像和所述先验图像的均方根误差大于第二预设阈值，则用经平滑去噪后的所述初步校正图像更新所述先验图像，执行步骤2；若所述初步校正图像和所述先验图像的均方根误差小于或等于第二预设阈值，将所述初步校正图像与所述金属图像进行融合，得到最终校正图像。

在本实施例中，利用CT***中的原始投影反投影重建未校正CT图像，得到的未校正CT图像中含有金属伪影，有待进一步校正。为进行金属伪影校正，需对未校正CT图像进行第一分割，得到金属图像，以便以后续和初步校正图像进行融合，获取校正图像；对未校正CT图像进行第二分割，得到先验图像，以便投影后得到先验投影，用于进一步迭代优化原始投影，获取满足第一预设阈值的初步校正投影对应的初步校正图像，该图像中仍存在次级伪影，有待进一步校正。通过用经平滑去噪后的初步校正图像更新先验图像，并在每次更新的先验图像对应的先验投影的约束下，校正原始投影，获取初步校正投影，进而获取满足第二预设阈值的初步校正图像，将该初步校正图像与金属图像融合即可得到校正图像，实现CT图像金属伪影校正。

本发明提出的一种CT图像金属伪影校正方法，通过在先验投影的约束下，根据原始投影和金属投影，对原始投影的金属区域迭代进行高斯能量下降处理，直至原始投影与初步未校正投影的差值小于或等于第一预设阈值，实现了对原始投影的校正，并将校正后的原始投影，即迭代所得的初步未校正投影，进行反投影重建得到初步校正图像，将初步校正图像平滑去噪后用于更新先验图像，使得更新后的先验图像中的伪影和噪声都在一定程度上减弱，通过迭代更新先验图像，并将每次更新后的先验图像进行投影得到更新后的先验投影，在更新后的先验投影的约束下，获得满足第一预设阈值条件的初步未校正投影并进一步得到初步校正图像，直至获得满足第二预设阈值条件的初步校正图像，使得先验图像中的伪影被不断去除，进而使得初步校正图像中的伪影更有效地被去除，通过将满足第二预设阈值条件的初步校正图像与金属图像融合，得到最终校正图像。本发明有效地实现了CT图像的金属伪影校正，且避免了现有技术中插值法插值边界不平滑的问题和迭代法矫正时间较长的问题。

基于上述实施例，可选地，在步骤1中，进行第一分割包括利用MeanShift算法进行滤波增强和利用单阈值分割法进行分割；进行第二分割包括利用高斯滤波算法进行滤波、利用多阈值分割进行分割和利用阈值平均法进行填充。

其中，进行第一分割包括利用MeanShift算法进行滤波增强和利用单阈值分割法进行分割。

在本实施例中，由于金属物边界与周围亮伪影边界模糊不清，金属物的不易被有效分割出来。因此，需对CT图像进行一定增强处理，如：梯度法、算子、高通滤波、掩模匹配法、统计差值法和Mean Shift算法等，使金属物与CT图像的其他部分明显区别开来，从而有利于分割。在本实施例中，具体地，采用Mean Shift算法对CT图像进行滤波增强处理，使得金属物与CT图像的其他部分明显区别开来，进而采用单阈值分割提取金属图像，从而有效地分割出了金属物。

定义x_i和z_i，i＝1,2，…，n分别表示原始图像和滤波增强图像，考虑图像的空间信息和灰度信息，任一像素点可表示为x＝(x^s,x^r)。其中，x^s为坐标，x^r为灰度值。那么，利用Mean Shift算法增强金属区域，可按如下滤波公式进行：

其中，w(x_i)为采样点x_i的权重，离x近的采样点x_i有较大的权重，即离x越近的采样点，对估计x周围的统计特性越有效，反之亦然。

上式滤波公式中核函数定义如下：

其中，C为归一化常数，h_s，h_r为核带宽。h_s为空间带宽，其值越大，分割需要时间越长；h_r为像素点的灰度带宽，其值越大，越多的图像细节就会被忽略。为了保证一定的计算速度和分割分辨率，h_s，h_r均不宜选取特别大的值。

利用Mean Shift算法增强金属区域的详细实施细节如下：

Step 1:初始化l＝1，并且使y_i,l＝x_i；

Step 2:依据上述滤波公式计算y_i,l+1＝M_S(y_i,l)；

Step 3:重复步骤2直到y_i,l收敛到最终结果y_i,L，则输出结果

Step 4：将收敛至同一起始点的归为一类，合并像素点过少的类，得到最终结果，采取简单阈值法提取滤波后的金属图像。

在本实施例中，对利用Mean Shift算法进行滤波增强后的初步未校正图像进行单阈值分割即可得到金属图像。

其中，进行第二分割包括利用高斯滤波算法进行滤波、利用多阈值分割进行分割和利用阈值平均法进行填充。

在本实施例中，为了得到较高质量的先验图像，对含金属伪影的初步未校正图像进行了滤波处理，滤除部分噪声及条纹状伪影。具体地，采用了高斯滤波算法，将初步未校正图像的每一个像素点与高斯内核卷积和当作输出像素值。具体采用了大小为5×5的滤波核。其中，滤波核权重矩阵计算数学表达形式如下：

其中，δ＝1.6；

在本实施例中，对高斯滤波后的初步未校正图像进行了多阈值分割。在本实施例中，具体地，多阈值分割后得到空气、软组织、正常组织、骨组织、金属、伪影六个部分。通过用每个部分的平均CT值，高斯滤波后的初步未校正图像的每个部分，得到先验图像。其中，金属及伪影部分均用正常组织的平均CT值替代。

基于上述实施例，可选地，在步骤1中，反投影重建为利用滤波反投影算法(FilterBack-Projection，FBP)进行反投影重建。

在本实施例中，为了得到用于融合的金属图像以及用于校正伪影的先验图像，需利用原始投影反投影重建未校正CT图像。利用原始投影反投影重建未校正CT图像可采用反投影重建算法、滤波反投影重建算法或迭代反投影重建算法等。在本实施例中，具体地，采用滤波反投影重建算法反投影重建未校正CT图像。该算法以中心切片定力为理论基础，计算简单，能够快速反投影重建图像，当采集的原始投影受噪声的影响不大时，可以获得精度较高的反投影重建图像。

基于上述实施例，可选地，在步骤3中，高斯能量下降包括梯度下降、ART过程和非负性约束。

在本实施例中，在先验投影的约束下，对原始投影进行高斯能量下降处理，具体地，通过梯度下降使得金属伪影的高斯能量下降，从而达到去除伪影的效果，通过非负性约束在梯度下降过程中获得最佳收敛点，通过ART过程实现迭代进行高斯能量下降。

基于上述实施例，可选地，在步骤5中，平滑去噪采用的是SL0方法。

在本实施例中，由于初步校正图像中存在次级伪影，为了在进一步的迭代处理过程中较好的校正伪影，需对初步校正图像进行平滑去除次级伪影后再用于更新先验图像。在本实施例中，具体地，采用Smoothde L0(SL0)方法对初始校正图像中的次级伪影进行迭代处理。

基于上述实施例，可选地，在步骤5中，根据将所述金属图像和融合因子的乘积，与所述最终校正图像进行叠加融合。

在本实施例中，具体地，按以下数学表达式进行图像融合：

其中，f_out为所述最终校正图像，f_cor为高斯能量平滑校正后投影反投影重建的满足第二预设阈值的所述初步校正图像，f_metal为所述金属图像，α为图像融合因子，T为所述最终校正图像中金属CT值调整参数。

基于上述实施例，可选地，高斯能量下降过程中，梯度下降过程的数学表达式为：

其中，为第k次更新后的原始投影经梯度下降后的投影，为 λ为梯度下降步长，▽^T为求一阶前向差分操作后转置，f为高斯函数，δ＝4，▽为求一阶前向差分操作，k为迭代次数，x_p是先验投影；

ART过程和非负性约束的数学表达式为：

其中，x^k+1为第k次更新后的原始投影；为第k次更新后的原始投影经梯度下降处理后的投影；H是一个与投影相同维度的矩阵，且与原始投影中金属投影相同位置处为0，其他位置处为1，H与其他矩阵的相乘均为点乘操作，即矩阵阵中对应元素相乘；x_ori为原始投影。

在本实施例中，高斯能量下降过程的数学表达式为：

k＝k+1；

其中，梯度下降过程的数学表达式为：ART过程和非负性约束的数学表达式为：其中，t^k+1为第第k+1次迭代中的权系数，k是迭代次数，为第k次更新后的原始投影经梯度下降处理后的投影，为，λ为梯度下降步长，▽^T为求一阶前向差分操作后转置，f为高斯函数，δ＝4，▽为求一阶前向差分操作，x_p是先验投影；x^k+1为第k+1次更新后的原始投影；H是一个与投影相同维度的矩阵，且与原始投影中金属投影相同位置处为0，其他位置处为1，H与其他矩阵的相乘均为点乘操作，即矩阵阵中对应元素相乘；x_ori为原始投影。

基于上述实施例，可选地，采用SL0方法进行平滑去噪的数学表达式为：

其中，y为不满足第二预设阈值的所述初步校正图像，x表示真实图像，λ为两者间的平衡参数，R(x)为正则化项。

基于上述实施例，可选地，正则化项R(x)的表达式为：

其中，p和σ均为动态优化参数，p为动态范数控制参数，用于调整软组织细节保护和噪声抑制效果；σ则用于控制相邻两次迭代的近似程度。

基于上述实施例，可选地，在步骤2中，所述投影为Siddon前向投影算法。

在本实施例中，为了得到用于校正原始投影的先验投影，需在本实施例中，具体地，采用前向投影算法对先验图像进行投影。该算法在投影的同时还可以限制高斯能量下降的平滑度。

如图2所示，本发明提供一种CT图像金属伪影校正装置，包括：反投影重建模块、投影模块、高斯能量下降模块、第一判断模块和第二判断模块；反投影重建模块，用于利用CT***中的原始投影反投影重建未校正CT图像，对所述未校正CT图像分别进行第一分割和第二分割，对应得到金属图像和先验图像，对所述金属图像进行投影得到金属投影；投影模块，用于对所述先验图像进行所述投影，得到先验投影；高斯能量下降模块，用于在所述先验投影的约束下，根据所述原始投影和所述金属投影，对所述原始投影的金属区域进行高斯能量下降处理，得到初步未校正投影；第一判断模块，用于若所述原始投影与所述初步未校正投影的差值大于第一预设阈值，用所述初步未校正投影替代所述原始投影；若所述原始投影与所述初步未校正投影的差值小于或等于第一预设阈值，利用所述初步未校正投影反投影重建初步校正图像；第二判断模块，用于若所述初步校正图像和所述先验图像的均方根误差大于预设阈值，则用经平滑去噪后的所述初步校正图像替换先验图像；若所述初步校正图像和所述先验图像的均方根误差小于或等于第二预设阈值，将所述初步校正图像与所述金属图像进行融合，得到最终校正图像。

本发明提出的一种CT图像金属伪影校正装置，通过高斯能量下降模块和第一判断模块，在先验投影的约束下，根据原始投影和金属投影，对原始投影的金属区域迭代进行高斯能量下降处理，直至原始投影与初步未校正投影的差值小于或等于第一预设阈值，实现了对原始投影的校正，并将校正后的原始投影，即迭代所得的初步未校正投影，进行反投影重建得到初步校正图像，通过第二判断模块，将初步校正图像平滑去噪后用于更新先验图像，使得更新后的先验图像中的伪影和噪声都在一定程度上减弱，通过投影模块、高斯能量下降模块、第一判断模块和第二判断模块，将每次更新后的先验图像进行投影得到更新后的先验投影，在更新后的先验投影的约束下，获得满足第一预设阈值条件的初步未校正投影并进一步得到初步校正图像，使得先验图像和初步校正图像中的伪影均被不断去除，直至获得满足第二预设阈值条件的初步校正图像，通过将满足第二预设阈值条件的初步校正图像与金属图像融合，得到了被有效校正的CT图像。本发明有效地实现了CT图像的金属伪影校正，且避免了现有技术中插值法插值边界不平滑的问题和迭代法矫正时间较长的问题。

最后，本发明的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种CT图像金属伪影校正方法，其特征在于，包括：

步骤1，利用CT***中的原始投影反投影重建未校正CT图像，对所述未校正CT图像分别进行第一分割和第二分割，对应得到金属图像和先验图像，对所述金属图像进行投影得到金属投影；

步骤2，对所述先验图像进行投影，得到先验投影；

步骤3，在所述先验投影的约束下，根据所述原始投影和所述金属投影，对所述原始投影的金属区域进行高斯能量下降处理，得到初步校正投影；

步骤4，若所述原始投影与所述初步校正投影的差值大于第一预设阈值，用所述初步校正投影更新所述原始投影，执行步骤3；若所述原始投影与所述初步校正投影的差值小于或等于第一预设阈值，利用所述初步校正投影反投影重建初步校正图像；

步骤5，若所述初步校正图像和所述先验图像的均方根误差大于第二预设阈值，则用经平滑去噪后的所述初步校正图像更新所述先验图像，执行步骤2；若所述初步校正图像和所述先验图像的均方根误差小于或等于第二预设阈值，将所述初步校正图像与所述金属图像进行融合，得到最终校正图像。

2.根据权利要求1所述的方法，其特征在于，在步骤1中，进行第一分割包括进行滤波增强和利用单阈值分割法进行分割；

进行第二分割包括利用高斯滤波算法进行滤波、利用多阈值分割进行分割和利用阈值平均法进行填充。

3.根据权利要求1所述的方法，其特征在于，在步骤1中，反投影重建为利用滤波反投影算法进行反投影重建。

4.根据权利要求1所述的方法，其特征在于，在步骤3中，高斯能量下降包括梯度下降、ART过程和非负性约束。

5.根据权利要求1所述的方法，其特征在于，在步骤5中，平滑去噪采用的是SL0方法。

6.根据权利要求1所述的方法，其特征在于，在步骤5中，根据将所述金属图像和融合因子的乘积，与所述最终校正图像进行叠加融合。

7.根据权利要求4所述的方法，其特征在于，高斯能量下降过程中，

梯度下降过程的数学表达式为：

$\tilde{x}=\stackrel{\‾}{x}-\mathrm{\λ}{\▿}^{T}f\left(\right|\▿x_p\left|\right|)\▿(x^k-x_p),$

其中，为第k次更新后的原始投影经梯度下降后的投影，为λ为梯度下降步长，▽^T为求一阶前向差分操作后转置，f为高斯函数，δ＝4，▽为求一阶前向差分操作，k为迭代次数，x_p是先验投影；

ART过程和非负性约束的数学表达式为：

$x^{k+1}=\tilde{x}+H(x_{ori}-\tilde{x}),$

其中，x^k+1为第k+1次更新后的原始投影；为第k次更新后的原始投影经梯度下降处理后的投影；H是一个与投影相同维度的矩阵，且与原始投影中金属投影相同位置处为0，其他位置处为1，H与其他矩阵的相乘均为点乘操作，即矩阵阵中对应元素相乘；x_ori为原始投影。

8.根据权利要求5所述的方法，其特征在于，采用SL0方法进行平滑去噪的数学表达式为：

$\hat{x}=\underset{x}{\arg \min }\left|\right|x-y|{|}_2^2+\mathrm{\λ}R\left(x\right)$

其中，y为不满足第二预设阈值的所述初步校正图像，x表示真实图像，λ为两者间的平衡参数，R(x)为正则化项。

9.根据权利要求8所述的方法，其特征在于，正则化项R(x)的表达式为：

$R\left(x\right)=\underset{j=1}{\overset{N_J}{\Σ}}\left\{\frac{\exp \left(\right|\left|D_{j}x\right|{|}_p^p/\mathrm{\σ})-\exp (-|\left|D_{j}x\right|{|}_p^p/\mathrm{\σ})}{\exp \left(\right|\left|D_{j}x\right|{|}_p^p/\mathrm{\σ})+\exp (-|\left|D_{j}x\right|{|}_p^p/\mathrm{\σ})}\right\},$

其中，p和σ均为动态优化参数，p为动态范数控制参数，用于调整软组织细节保护和噪声抑制效果；σ用于控制相邻两次迭代的近似程度。

10.一种CT图像金属伪影校正装置，其特征在于，包括：反投影重建模块、投影模块、高斯能量下降模块、第一判断模块和第二判断模块；

反投影重建模块，用于利用CT***中的原始投影反投影重建未校正CT图像，对所述未校正CT图像分别进行第一分割和第二分割，对应得到金属图像和先验图像，对所述金属图像进行投影得到金属投影；

投影模块，用于对所述先验图像进行所述投影，得到先验投影；

高斯能量下降模块，用于在所述先验投影的约束下，根据所述原始投影和所述金属投影，对所述原始投影的金属区域进行高斯能量下降处理，得到初步未校正投影；

第一判断模块，用于若所述原始投影与所述初步未校正投影的差值大于第一预设阈值，用所述初步未校正投影替代所述原始投影；若所述原始投影与所述初步未校正投影的差值小于或等于第一预设阈值，利用所述初步未校正投影反投影重建初步校正图像；

第二判断模块，用于若所述初步校正图像和所述先验图像的均方根误差大于预设阈值，则用经平滑去噪后的所述初步校正图像替换先验图像；若所述初步校正图像和所述先验图像的均方根误差小于或等于第二预设阈值，将所述初步校正图像与所述金属图像进行融合，得到最终校正图像。