CN111553849A - 基于局部特征匹配的锥束ct几何伪影去除方法及装置 - Google Patents
基于局部特征匹配的锥束ct几何伪影去除方法及装置 Download PDFInfo
- Publication number
- CN111553849A CN111553849A CN202010232481.4A CN202010232481A CN111553849A CN 111553849 A CN111553849 A CN 111553849A CN 202010232481 A CN202010232481 A CN 202010232481A CN 111553849 A CN111553849 A CN 111553849A
- Authority
- CN
- China
- Prior art keywords
- data
- projection data
- rotating shaft
- geometric
- local feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000002591 computed tomography Methods 0.000 description 36
- 230000008901 benefit Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 235000010585 Ammi visnaga Nutrition 0.000 description 1
- 244000153158 Ammi visnaga Species 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明属于图像处理领域，特别涉及一种基于局部特征匹配的锥束CT几何伪影去除方法及装置，该方法仅利用锥束CT***对于被扫描样品的投影数据，对于扫描角度间隔为180°的镜像投影数据进行局部特征提取及匹配，利用匹配点纵坐标的均方根误差构建代价函数，通过优化函数求解出旋转轴偏转角度，并对该旋转角度下所有匹配点的横坐标进行统计分析求解出旋转轴的横向偏移，最后对于所有采集的投影进行旋转轴偏转角及横向偏移的校正，通过重建得到无几何伪影的三维体数据。本发明可以有效降低几何伪影对于高分辨率锥束CT***成像质量的影响，具有较高的准确性和较广泛的适用性。
Description
技术领域
本发明属于图像处理领域，特别涉及一种基于局部特征匹配的锥束CT几何伪影去除方法及装置。
背景技术
X射线计算机断层成像(ComputedTomography,CT)是利用X射线对于待测物体进行不同角度下的投影测量以获取物体横截面信息的成像技术。由于CT技术所具有的在非接触、不破坏条件下对于待测样品内部结构进行高分辨率表征的独特优势，自上世纪70年代起CT逐渐在医学辅助诊断、质量检测、材料分析及尺度测量等方面得到了广泛的应用。近年来，在原有螺旋CT的基础上，锥束CT(Cone-beam CT,CBCT)扫描***的研制与应用也得到了飞速的发展。锥束CT具有更高的扫描速度，辐射利用率和空间分辨率也得到进一步的提升，并且具有局部放大扫描能力，因此成为了目前工业CT应用的主流方式。
利用锥束CT获取待测样品三维断层图像数据主要包括投影数据采集、数据校正、图像重建及后处理几个步骤。为获取高质量的CT图像，图像重建算法要求X射线源、旋转平台及平板探测器中心处于完全对准的状态。然而受***安装及器件自身精度限制，如图1所示，在实际应用中CT***必然存在着几何误差，导致重建后的图像出现几何伪影。几何伪影最为显著的特征表现为图像边缘模糊，严重时可出现图像出现双结构状的重影，严重影响了重建质量和空间分辨率。
为解决锥束CT***几何伪影对于图像质量的影响，现有技术主要采取的方法手段主要分为两类：定标体模法及几何参数自校正方法。定标体模法需要借助设计好的定标模板，在每次待测样品扫描之后在相同的缩放轴位置对定标模板进行扫描。通过定标模板上预设的标志物(如小球、金属线)等投影数据的几何位置关系进行***几何误差参数的计算。定标体模法算法稳定，准确度高，并可同时求解出多个***几何误差参数，是目前CBCT应用中的主流几何伪影校正方式。但在其使用中还存在着以下不足：首先对定标模板的加工精度以及CT***自身的稳定性要求较高；其次使用该方法完成测量及校正整个过程至少需要两次扫描，因此降低了扫描效率和辐射利用率，过程中人为介入过多也可能对最终校正效果产生影响。尤其是在高分辨率CT***(如高放大比纳米CT成像***)中，上述两个问题对于校正结果的影响更为突出。
几何参数自校正方法仅依靠锥束CT对于待测样品本身的扫描数据，利用其投影数据所具有的固有特性(如镜像对称、数据一致性等)或重建图像指标构建代价函数，再通过合适的优化算法从中求解出***的几何误差参数。自校正算法最突出的优势在于省去了对于定标体模的扫描过程，利于实现整个扫描过程的自动化、智能化。但是现有自校正算法在泛用性方面仍难以令人满意，通常仅能对于特定类型的被扫描物体进行准确的几何参数误差计算。此外，大部分自校正算法依赖于从投影图像灰度值的绝对取值进行代价函数的构建，因此受噪声影响较大，难以在实际锥束CT***中得到应用。
发明内容
针对现有技术中存在的不足，本发明的目的是提供一种基于局部特征匹配的锥束CT几何伪影去除方法及装置，可以有效降低几何伪影对于高分辨率锥束CT***成像质量的影响，适用范围广、自动化程度高、准确性高。
为解决上述技术问题，本发明采用以下的技术方案：
本发明提供了一种基于局部特征匹配的锥束CT几何伪影去除方法，包括：
读取投影数据；
将投影图像进行一定角度的旋转和翻转；
设置特征点提取阈值，并记录投影图像所有优质匹配点的坐标；
通过优化算法求解旋转轴偏转角；
读取该旋转轴偏转角下投影图像优质匹配点的横坐标数据，计算出旋转轴横向偏移；
对所有角度下的投影数据通过仿真变换进行旋转轴偏转角和横向偏移校正，通过重建得到无几何伪影的三维体数据。
进一步地，在读取投影数据之后，还包括：对投影数据进行预处理；首先对投影数据的灰度值进行线性变换将投影图像像素灰度值正规化；然后对正规化后的投影数据进行中值滤波除噪；最后使用直方图均衡化进行对比度增强。
进一步地，读取投影数据选择读取两张镜像投影数据，扫描角度间隔为180°。
进一步地，将投影图像进行一定角度的旋转和翻转，具体为：将两张投影图像进行η角度的旋转，并对其中一张投影数据进行镜像翻转。
进一步地，设置特征点提取阈值，对两张投影图像进行局部特征点提取、匹配与筛选。
进一步地，求解旋转轴偏转角具体为：以两张投影图像中所有优质匹配点的纵坐标均方根误差作为代价函数，通过优化算法求解最小值时所对应的角度即为旋转轴偏转角；
当选取多组投影数据时，将所有参与运算的投影数据中优质匹配点的纵坐标均方根误差作为代价函数进行旋转轴偏转角计算。
进一步地，读取该旋转轴偏转角下两张投影图像优质匹配点的横坐标数据u1和u2，通过δu＝(u2-u1)/2计算出旋转轴横向偏移，δu表示旋转轴横向偏移。
进一步地，旋转轴横向偏移的求解过程为：首先对每对优质匹配点的横坐标数据通过δu＝(u2-u1)/2进行中点求解，再对所有中点数据进行核概率密度分析，选取核概率密度最大值所对应的δu值作为旋转轴横向偏移。
本发明还提供了一种基于局部特征匹配的锥束CT几何伪影去除装置，包括：
投影数据读取模块，用于读取投影数据；
旋转翻转模块，用于将投影图像进行一定角度的旋转和翻转；
优质匹配点记录模块，用于设置特征点提取阈值，并记录投影图像所有优质匹配点的坐标；
旋转轴偏转角求解模块，用于通过优化算法求解旋转轴偏转角；
旋转轴横向偏移求解模块，用于读取该旋转轴偏转角下投影图像优质匹配点的横坐标数据，计算出旋转轴横向偏移；
去伪影三维体数据重建模块，用于对所有角度下的投影数据通过仿真变换进行旋转轴偏转角和横向偏移校正，通过重建得到无几何伪影的三维体数据。
与现有技术相比，本发明具有以下优点：
本发明的基于局部特征匹配的锥束CT几何伪影去除方法利用了圆轨迹锥束CT投影数据所具有的镜像对称及旋转轴不变特性，仅利用待测样品的一次扫描所获得的投影数据即可通过局部特征匹配对于扫描过程中CT投影数据的旋转轴偏移进行校正，本发明具有较高的准确性和较广泛的适用性，可以有效降低几何伪影对于高分辨率锥束CT***成像质量的影响。
本发明无需设计精密的定标模板以及额外的定标体模扫描，尽可能地减少了人为因素对于扫描结果的干扰，同时有效提高了数据采集效率及X射线利用率。
相比于其他几何伪影自校正算法，本发明在几何参数计算过程中无需重建，因此具有较高的灵活度，特征提取的过程不依赖于采集图像的灰度值的绝对取值亦具有一定的抗噪声特性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是非理想锥束CT***中所存在的几何误差参数示意图；
图2是存在几何误差的Shepp-Logan体模的镜像投影示意图，其中图2(c)和图2(d)分别为旋转轴同时存在偏转和位移误差和仅存在位移误差时从一对镜像投影中所提取出特征点之间的几何关系示意图；
图3是本发明实施例基于局部特征匹配的锥束CT几何伪影去除方法的流程图；
图4(a)是所有匹配特征点的中点坐标散点数据，图4(b)是对散点数据进行核概率密度函数估计，其函数最大值即为所求解的旋转轴横向偏移；
图5是未进行几何校正以及利用本发明所提供的自校正算法进行几何伪影消除后的重建图像切片的对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图3所示，本实施例的基于局部特征匹配的锥束CT几何伪影去除方法，该方法包括以下步骤：
步骤S301，根据待测样品形状特征选择读入一系列投影数据；通常可以选择在待测样品正视视角下对应投影角度±20°范围内的投影及其对应的镜像投影进行后续运算；
步骤S302，对投影数据进行预处理；具体是：
首先对投影数据的灰度值进行线性变换将投影图像像素灰度值正规化于[0,255]的取值范围内，线性变换正规化公式如下：
其中，Ii,j为输入图像第i行第j列的像素灰度值，Imax和Imin分别为输入图像的最大、最小灰度值，Oi,j为正规化后图像第i行第j列的像素灰度值。
为提高图像局部特征提取与匹配的准确率，对正规化后的投影数据进行中值滤波除噪，根据图像质量可以进一步使用直方图均衡化进行对比度增强。
步骤S303，读取两张镜像投影数据，扫描角度间隔为180°，将两张投影图像进行η角度的旋转，并对其中一张投影数据进行镜像翻转；
步骤S304，设置特征点提取阈值，对两张投影图像进行Orb特征点提取、匹配与筛选，并记录投影图像所有优质匹配点的坐标；
步骤S305，计算两张投影图像中所有优质匹配点纵坐标的均方根误差：
其中，Ngood为旋转角度为η下优质匹配点的个数，θ为所选取投影图像对应的扫描角度，
和
分别为两张镜像投影图像中优质匹配点的纵坐标；
依次对步骤S301读入的多组投影数据进行上述运算并构建代价函数为：
其中，Nθ为所有参与分析运算的扫描角度个数。通过一种基于Brent方法的单变量有边界优化方法求解出公式(3)取最小值时所对应的η角即为旋转轴偏转角。
步骤S306，根据图2中所示几何关系，当***旋转轴仅存在横向位移误差时，旋转轴横向位移误差可通过镜像投影中优质匹配点的横坐标数据进行求解，具体为：读取步骤S305求解出的旋转轴偏转角下每对镜像投影数据优质匹配点的横坐标数据u1和u2，对每对优质匹配点的横坐标数据通过δu＝(u2-u1)/2进行中点求解。
再对所有中点数据进行核概率密度函数求解，取核概率密度最大值所对应的δu值作为旋转轴横向偏移，结果如图4所示；对步骤S301中选择的多组投影数据，进行上述计算并取平均值作为最终的旋转轴横向偏移。
步骤S307，对所有角度下的投影数据通过仿真变换进行旋转轴偏转角和横向偏移校正，通过重建得到无几何伪影的三维体数据。
为评估本发明所提供的基于局部特征匹配的锥束CT几何伪影去除方法的有效性，利用高放大比锥束CT***对一段竹制牙签的实验扫描数据进行实验验证，结果如图5所示，图5(a)为未经过校正的投影数据直接进行重建后得到的切片数据，受几何伪影影响图像出现典型的双结构虚影，图5(b)为通过本发明所提出的方法进行投影校正后重建所得的切片数据，可以看出几何伪影的影响被有效消除，图像细节信息得到了良好的恢复。
综上所述，本发明所提供的基于局部特征匹配的锥束CT几何伪影去除方法能够对于***旋转轴偏离引起的几何伪影进行有效的抑制。基于局部特征点提取与匹配的特征提取方式本身具鲁棒性高的特点，尤其适合图像纹理细节丰富的待测样品。并且所提出的基于局部特征匹配的几何伪影去除方法除选择投影数据和设置特征点提取阈值之外无需其它人工干预，可以提高CT数据处理的集成化与自动化。
与上述的基于局部特征匹配的锥束CT几何伪影去除方法相应地，本实施例还提供一种基于局部特征匹配的锥束CT几何伪影去除装置，包括投影数据读取模块11、旋转翻转模块12、优质匹配点记录模块13、旋转轴偏转角求解模块14、旋转轴横向偏移求解模块15和去伪影三维体数据重建模块16。
投影数据读取模块11，用于读取投影数据；
旋转翻转模块12，用于将投影图像进行一定角度的旋转和翻转；
优质匹配点记录模块13；用于设置特征点提取阈值，并记录投影图像所有优质匹配点的坐标；
旋转轴偏转角求解模块14，用于通过优化算法求解旋转轴偏转角；
旋转轴横向偏移求解模块15，用于读取该旋转轴偏转角下投影图像优质匹配点的横坐标数据，计算出旋转轴横向偏移；
去伪影三维体数据重建模块16，用于对所有角度下的投影数据通过仿真变换进行旋转轴偏转角和横向偏移校正，通过重建得到无几何伪影的三维体数据。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，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做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (9)
1.一种基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，包括：
读取投影数据；
将投影图像进行一定角度的旋转和翻转；
设置特征点提取阈值，并记录投影图像所有优质匹配点的坐标；
通过优化算法求解旋转轴偏转角；
读取该旋转轴偏转角下投影图像优质匹配点的横坐标数据，计算出旋转轴横向偏移；
对所有角度下的投影数据通过仿真变换进行旋转轴偏转角和横向偏移校正，通过重建得到无几何伪影的三维体数据。
2.根据权利要求1所述的基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，在读取投影数据之后，还包括：对投影数据进行预处理；首先对投影数据的灰度值进行线性变换将投影图像像素灰度值正规化；然后对正规化后的投影数据进行中值滤波除噪；最后使用直方图均衡化进行对比度增强。
3.根据权利要求1所述的基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，读取投影数据选择读取两张镜像投影数据，扫描角度间隔为180°。
4.根据权利要求3所述的基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，将投影图像进行一定角度的旋转和翻转，具体为：将两张投影图像进行η角度的旋转，并对其中一张投影数据进行镜像翻转。
5.根据权利要求4所述的基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，设置特征点提取阈值，对两张投影图像进行局部特征点提取、匹配与筛选。
6.根据权利要求5所述的基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，求解旋转轴偏转角具体为：以两张投影图像中所有优质匹配点的纵坐标均方根误差作为代价函数，通过优化算法求解最小值时所对应的角度即为旋转轴偏转角；
当选取多组投影数据时，将所有参与运算的投影数据中优质匹配点的纵坐标均方根误差作为代价函数进行旋转轴偏转角计算。
7.根据权利要求6所述的基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，读取该旋转轴偏转角下两张投影图像优质匹配点的横坐标数据u1和u2，通过δu＝(u2-u1)/2计算出旋转轴横向偏移，δu表示旋转轴横向偏移。
8.根据权利要求7所述的基于局部特征匹配的锥束CT几何伪影去除方法，其特征在于，旋转轴横向偏移的求解过程为：首先对每对优质匹配点的横坐标数据通过δu＝(u2-u1)/2进行中点求解，再对所有中点数据进行核概率密度分析，选取核概率密度最大值所对应的δu值作为旋转轴横向偏移。
9.一种基于局部特征匹配的锥束CT几何伪影去除装置，其特征在于，包括：
投影数据读取模块，用于读取投影数据；
旋转翻转模块，用于将投影图像进行一定角度的旋转和翻转；
优质匹配点记录模块，用于设置特征点提取阈值，并记录投影图像所有优质匹配点的坐标；
旋转轴偏转角求解模块，用于通过优化算法求解旋转轴偏转角；
旋转轴横向偏移求解模块，用于读取该旋转轴偏转角下投影图像优质匹配点的横坐标数据，计算出旋转轴横向偏移；
去伪影三维体数据重建模块，用于对所有角度下的投影数据通过仿真变换进行旋转轴偏转角和横向偏移校正，通过重建得到无几何伪影的三维体数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010232481.4A CN111553849B (zh) | 2020-03-28 | 2020-03-28 | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010232481.4A CN111553849B (zh) | 2020-03-28 | 2020-03-28 | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111553849A true CN111553849A (zh) | 2020-08-18 |
| CN111553849B CN111553849B (zh) | 2023-03-24 |
Family
ID=72005520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010232481.4A Active CN111553849B (zh) | 2020-03-28 | 2020-03-28 | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111553849B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112233156A (zh) * | 2020-10-14 | 2021-01-15 | 首都师范大学 | 微纳米ct投影数据的中心切片对齐方法 |
| CN112529820A (zh) * | 2020-12-29 | 2021-03-19 | 广州华端科技有限公司 | Cbct***半扇束几何校正方法、装置、设备和介质 |
| CN112985440A (zh) * | 2021-02-20 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 |
| CN114092594A (zh) * | 2022-01-21 | 2022-02-25 | 中国工程物理研究院应用电子学研究所 | 一种锥束ct***和轴对称外形样品的几何误差校正方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126722A (zh) * | 2007-09-30 | 2008-02-20 | 西北工业大学 | 基于配准模型仿真的锥束ct射束硬化校正方法 |
| US20170186192A1 (en) * | 2015-09-15 | 2017-06-29 | Shanghai United Imaging Healthcare Co., Ltd. | Image reconstruction system and method |
| US20180268574A1 (en) * | 2017-03-17 | 2018-09-20 | Planmeca Oy | Patient movement correction method for cone-beam computed tomography |
| CN108992083A (zh) * | 2018-08-14 | 2018-12-14 | 广州华端科技有限公司 | 锥束计算机断层成像图像校正方法和*** |
-
2020
- 2020-03-28 CN CN202010232481.4A patent/CN111553849B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126722A (zh) * | 2007-09-30 | 2008-02-20 | 西北工业大学 | 基于配准模型仿真的锥束ct射束硬化校正方法 |
| US20170186192A1 (en) * | 2015-09-15 | 2017-06-29 | Shanghai United Imaging Healthcare Co., Ltd. | Image reconstruction system and method |
| US20180268574A1 (en) * | 2017-03-17 | 2018-09-20 | Planmeca Oy | Patient movement correction method for cone-beam computed tomography |
| CN108992083A (zh) * | 2018-08-14 | 2018-12-14 | 广州华端科技有限公司 | 锥束计算机断层成像图像校正方法和*** |
Non-Patent Citations (2)
| Title |
|---|
| 张俊等: "锥束CT***旋转平移轨迹几何参数标定方法", 《强激光与粒子束》 * |
| 杨帅等: "基于图像质量优化的锥束CT几何校正法", 《核电子学与探测技术》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112233156A (zh) * | 2020-10-14 | 2021-01-15 | 首都师范大学 | 微纳米ct投影数据的中心切片对齐方法 |
| CN112233156B (zh) * | 2020-10-14 | 2022-02-15 | 俐玛精密测量技术(苏州)有限公司 | 微纳米ct投影数据的中心切片对齐方法 |
| CN112529820A (zh) * | 2020-12-29 | 2021-03-19 | 广州华端科技有限公司 | Cbct***半扇束几何校正方法、装置、设备和介质 |
| CN112985440A (zh) * | 2021-02-20 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 |
| CN112985440B (zh) * | 2021-02-20 | 2024-02-23 | 北京嘀嘀无限科技发展有限公司 | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 |
| CN114092594A (zh) * | 2022-01-21 | 2022-02-25 | 中国工程物理研究院应用电子学研究所 | 一种锥束ct***和轴对称外形样品的几何误差校正方法 |
| CN114092594B (zh) * | 2022-01-21 | 2022-04-08 | 中国工程物理研究院应用电子学研究所 | 一种锥束ct***和轴对称外形样品的几何误差校正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111553849B (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111553849B (zh) | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 | |
| CN109816742B (zh) | 基于全连接卷积神经网络的锥束ct几何伪影去除方法 | |
| US7983462B2 (en) | Methods and systems for improving quality of an image | |
| CN105023251B (zh) | 一种高分辨锥束ct***的几何校正方法 | |
| CN106886982A (zh) | Cbct图像环形伪影去除方法 | |
| WO2022000192A1 (zh) | 一种ct图像的构建方法、ct设备以及存储介质 | |
| CN110264421B (zh) | 一种ct坏通道校正方法 | |
| CN101584587B (zh) | 一种ct投影中心的自动校正方法 | |
| Schwarzband et al. | The point spread function of spiral CT | |
| CN107233105B (zh) | 一种用于ct图像重建的修正方法及修正*** | |
| CN105844594A (zh) | 一种工业ct扫描***旋转中心校正方法 | |
| CN114359126A (zh) | 三维图像的几何校正方法、装置、电子设备及存储介质 | |
| CN111053568B (zh) | Ct图像中环形伪影的校正方法、装置及计算机存储介质 | |
| US6411671B2 (en) | Method for reducing line artifacts in a CT image and device for implementing the method | |
| US6307908B1 (en) | System and method for data interpolation in a multislice x-ray computed tomography system | |
| CN111968192A (zh) | 一种ct图像的构建方法、ct设备以及存储介质 | |
| US10217248B2 (en) | Method for removing streak from detector cell with performance difference | |
| US7308071B2 (en) | Methods, apparatus, and software for reconstructing an image | |
| CN112288762B (zh) | 一种有限角度ct扫描的离散迭代重建方法 | |
| CN111899312B (zh) | 一种迭代补偿的有限角度ct投影重建方法 | |
| CN111539878B (zh) | 基于镜像投影相似度的锥束ct几何伪影去除方法及装置 | |
| CN109682843B (zh) | 一种对ct***的参数标定方法 | |
| US7702180B2 (en) | Imaging method and device for the computer-assisted evaluation of computer-tomographic measurements by means of direct iterative reconstruction | |
| CN110974280A (zh) | 一种适用于锥束ct的几何参数精确自动化校正方法 | |
| Shen et al. | Exterior computed tomography image reconstruction based on anisotropic relative total variation in polar coordinates |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |