CN115359049B - 基于非线性扩散模型的有限角ct图像重建方法及装置 - Google Patents
基于非线性扩散模型的有限角ct图像重建方法及装置 Download PDFInfo
- Publication number
- CN115359049B CN115359049B CN202211276507.0A CN202211276507A CN115359049B CN 115359049 B CN115359049 B CN 115359049B CN 202211276507 A CN202211276507 A CN 202211276507A CN 115359049 B CN115359049 B CN 115359049B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- pixel
- pixel point
- preset
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000009792 diffusion process Methods 0.000 title claims abstract description 67
- 238000002591 computed tomography Methods 0.000 claims description 80
- 238000012545 processing Methods 0.000 claims description 32
- 238000003672 processing method Methods 0.000 claims description 19
- 230000004069 differentiation Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
Description
技术领域
本发明涉及CT图像重建技术领域,具体而言,涉及基于非线性扩散模型的有限角CT图像重建方法及装置。
背景技术
X射线计算机断层成像 (Computed Tomography, 简称CT) 在医学、工业、安检、考古等领域有广泛的应用。受 X 射线高吸收、被扫描物体的结构特点、设备限制等很多因素的影响,通常无法做到全角度的扫描,导致采集不到全角度的数据,所以人们非常重视有限角 CT 图像重建问题。
有限角 CT 图像重建问题,其过程是通过利用有限角度扫描的投影数据,对被扫描物体的断层图像进行重建;发明人在研究中发现,在使用传统的 CT 图像重建算法重建图像时,由于所获取的投影数据为非全角度的投影数据,所以重建得到的图像会出现伪影,这些伪影会造成图像无法准确体现出被扫描物体的结构,即,降低了重建得到的CT图像的准确性。
发明内容
有鉴于此,本发明的目的在于提供基于非线性扩散模型的有限角CT图像重建方法及装置,以提高重建得到的CT图像的准确性。
第一方面,本申请实施例提供了一种基于非线性扩散模型的有限角CT图像重建方法,所述方法包括:
步骤1,输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
步骤3,迭代处理候选图像,/>=0,1,2,···,/>,利用有限角CT扫描数据集,通过与扫描几何参数集G相关的图像重建算子/>对候选图像/>进行更新后得到图像,其中,/>表示扫描几何参数集G相关的图像重建算子;
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
第二方面,本申请实施例提供了一种基于非线性扩散模型的有限角CT图像重建装置,所述装置包括;
数据集输入模块,用于输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
第一图像更新模块,用于迭代处理候选图像,/>=0,1,2,···,/>,利用有限角CT扫描数据集/>,通过与扫描几何参数集G相关的图像重建算子/>对候选图像/>进行更新后得到图像/>,其中,/>表示扫描几何参数集G相关的图像重建算子;
可选地,所述装置还包括:
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
第三方面,本申请实施例提供了一种基于非线性扩散模型的有限角CT图像重建方法,所述方法包括:
步骤1,输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
第四方面,本申请实施例提供了一种基于非线性扩散模型的有限角CT图像重建装置,所述装置包括;
数据集输入模块,用于输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
可选地,所述装置还包括:
本申请提供的技术方案包括但不限于以下有益效果:
本申请利用CT扫描数据集和图像重建算子对候选图像进行处理后,将处理得到的图像的边缘点进行赋值处理,并将赋值处理得到的边缘指示符函数引入二维非线性扩散模型中对图像进行更新,以消除特定方向上的有限角伪影,在多次进行的迭代处理后,能够最大程度上实现对重建得到的CT图像有限角伪影的消除,以提高重建得到的CT图像的准确性。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍, 应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例一所提供的一种基于非线性扩散模型的有限角CT图像重建方法的流程图;
图2示出了本发明实施例一所提供的一种边缘信息确定方法的流程图;
图3示出了本发明实施例一所提供的一种全角度CT图像的重建结果图;
图4示出了本发明实施例一所提供的一种SART算法的重建结果图;
图5示出了本发明实施例一所提供的一种SART算法的重建残差绝对值结果图;
图6示出了本发明实施例一所提供的一种l0GM算法的重建结果图;
图7示出了本发明实施例一所提供的一种l0GM算法的重建残差绝对值结果图;
图8示出了本发明实施例一所提供的一种AEDS算法的重建结果图;
图9示出了本发明实施例一所提供的一种AEDS算法的重建残差绝对值结果图;
图10示出了本发明实施例一所提供的一种通过本申请提供的重建方法进行图像重建后的重建结果图;
图11示出了本发明实施例一所提供的一种本申请提供的重建方法的重建残差绝对值结果图;
图12示出了本发明实施例一所提供的最终图像的重建结果图;
图13示出了本发明实施例一所提供的最终图像的重建残差绝对值结果图;
图14示出了本发明实施例二所提供的一种基于非线性扩散模型的有限角CT图像重建装置的结构示意图;
图15示出了本发明实施例二所提供的另一种基于非线性扩散模型的有限角CT图像重建装置的结构示意图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域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。
实施例一
为便于对本申请进行理解,下面结合图1示出的本发明实施例一所提供的一种基于非线性扩散模型的有限角CT图像重建方法的流程图描述的内容对本申请实施例一进行详细说明。
参见图1所述,图1示出了本发明实施例一所提供的一种基于非线性扩散模型的有限角CT图像重建方法的流程图,其中,所述方法包括步骤1~步骤7:
步骤1:输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G。
具体的,CT扫描几何参数集G包括射线源到探测器中心的距离(SDD)、射线源到转台中心的距离(SOD)、探测器单元个数、探测器单元尺寸、扫描角度数和角度采样间隔。
具体的,在进行步骤1初始候选图像前,利用ART算法(一种代数重建算法)及能够实现图像重建的相关算法对获取到的原始CT(Computed Tomography,电子计算机断层扫描)进行至少一次迭代处理,得到候选图像/>。
步骤3:迭代处理候选图像,/>=0,1,2,···,/>,利用有限角CT扫描数据集,通过与扫描几何参数集G相关的图像重建算子/>对候选图像/>进行更新后得到图像,其中,/>表示扫描几何参数集G相关的图像重建算子。
具体的,对于每个像素点,所述预设八个方向上相邻的八个像素点分别为与该像素点边相邻的左像素点、右像素点、上像素点、下像素点,以及与左像素点和上像素点同时相邻的左上像素点,与左像素点和下像素点同时相邻的左下像素点,与右像素点和上像素点同时相邻的右上像素点,与右像素点和下像素点同时相邻的右下像素点。
所述边缘信息包括边缘点的坐标和非边缘点的坐标。
例如,当第一次迭代处理时,将图像进行更新后得到图像/>,此时仅进行了一次处理,未达到迭代次数上限/>(假设为3),则将对图像/>执行步骤3~步骤6中的方法得到图像/>,然后再次判断是否达到迭代次数上限/>,由于图像/>是经过两次迭代处理后得到的,并未达到迭代次数上限,则将图像/>执行步骤3~步骤6中的方法得到图像/>;此时,进了第三次迭代处理,以达到迭代次数上限,则终止迭代,输出图像/>。
在一个可行的实施方案中,参见图2所述,图2示出了本发明实施例一所提供的一种边缘信息确定方法的流程图,其中,所述根据图像中的每个像素点在预设八个方向上相邻的八个像素点的像素值,确定出图像/>的边缘信息,所述方法包括步骤S201~S204:
具体的,对于每个像素点,该像素点的梯度值是由该像素点在八个方向上相邻的像素点的像素值来计算的,八个方向上相邻的像素点分别为左像素点(像素值为/>)、右像素点(像素值为/>)、上像素点(像素值为/>)、下像素点(像素值为/>),以及与左像素点和上像素点同时相邻的左上像素点(像素值为/>),与左像素点和下像素点同时相邻的左下像素点(像素值为/>),与右像素点和上像素点同时相邻的右上像素点(像素值为/>),与右像素点和下像素点同时相邻的右下像素点(像素值为/>);坐标为/>的像素点的梯度值,/>,/>,,/>,/>,/>,/>,,其中,/>为第/>个像素点的像素值,/>为第/>个像素点的梯度值,/>为像素点的横坐标值,/>为像素点的纵坐标值,/>,/>,/>为最大坐标值。
步骤S202:判断该像素点的梯度值是否超过预设的标准梯度值。
具体的,判断该像素点的梯度值是否超过预设的标准梯度值,以根据梯度值情况确定出该像素点的边缘信息。
步骤S203:若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点。
具体的,若该像素点的梯度值超过所述标准梯度值,说明该像素点与相邻的像素点之间的像素差距过大,则将该像素点标记为边缘点。
具体的,若该像素点的梯度值未超过所述标准梯度值,说明该像素点与相邻的像素点之间的像素差距较小,则将该像素点标记为非边缘点。
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
具体的,按照中心差分和五点中心差分格式进行离散:
其中,表示/>方向上的离散步长,/>表示/>方向上的离散步长,网格离散节点为,/>,/>;/>为第/>个像素点的像素值,为第/>个像素点的像素值,/>为第/>个像素点的梯度值,/>为像素点的横坐标值,/>为像素点的纵坐标值,/>,/>为最大坐标值。
值得注意的是,上述方法是基于二维CT图像进行的重建,即当候选图像为二维图像时执行上述操作,而当需要重建的候选图像为三维CT图像时,执行步骤8~步骤14对候选图像进行重建:
步骤8:输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G。
步骤10:迭代处理候选图像,/>=0,1,2,···,/>,利用有限角CT扫描数据集,通过与扫描几何参数集G相关的图像重建算子/>对候选图像/>进行更新后得到图像,其中,/>表示扫描几何参数集G相关的图像重建算子。
所述根据图像中的每个像素点在预设26个方向上相邻的26个像素点的像素值,确定出图像/>的边缘信息,包括:对于图像/>中的每个像素点,根据该像素点在预设26个方向上相邻的26个像素点的像素值确定出该像素点的梯度值;判断该像素点的梯度值是否超过预设的标准梯度值;若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;将图像/>中的所有边缘点的坐标进行集合得到图像/>的边缘信息。
对于每个像素点,所述预设26个方向上相邻的26个像素点分别为与该像素点边相邻的上、下、左、右、前、后像素点(6个);与左像素点和上像素点同时相邻的左上像素点,同样的有左下、左前、左后,右上,右下、右前、右后,上前、上后,下前,下后(12个);与左像素点、上像素点和前像素点同时相邻的左上前像素点,同样的有左上后,左下前、左下后,右上前,右上后,右下前,右下后, (8个);对于每个像素点,用,分别表示左右上下前后方向。该像素点的梯度值/>是由该像素点在26个方向上相邻的像素点的像素值来计算的,26个方向上相邻的像素点分别为与该像素点边相邻的上(像素值为/>)、下(像素值为/>)、左(像素值为/>)、右(像素值为/>)、前(像素值为/>)、后像素点(像素值为/>);与左像素点和上像素点同时相邻的左上像素点(像素值为/>),同样的有左下(像素值为/>)、左前(像素值为/>)、左后(像素值为/>),右上(像素值为/>),右下(像素值为/>)、右前(像素值为/>)、右后(像素值为/>),上前(像素值为/>)、上后(像素值为/>),下前(像素值为/>),下后(像素值为/>);与左像素点、上像素点和前像素点同时相邻的左上前(像素值为/>)像素点,同样的有左上后(像素值为/>),左下前(像素值为/>)、左下后(像素值为/>),右上前(像素值为/>),右上后(像素值为/>),右下前(像素值为/>),右下后(像素值为)。
其中:
为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值, />表示/>轴坐标值。
本实施例数据采集自工业CT***,扫描样品为多个不同形状与材质的模体,以实验电压与电流分别为140kV以及100uA进行图像采集及重建,参见图3所示,图3示出了本发明实施例一所提供的一种全角度CT图像的重建结果图;分别采用SART算法(一种图像重建算法)、l0GM算法(一种图像重建算法)、AEDS算法(一种图像重建算法)和本发明提供的算法对有限角度(120°)扫描数据重建图像。
参见图4所示,图4示出了本发明实施例一所提供的一种SART算法的重建结果图;参见图5所示,图5示出了本发明实施例一所提供的一种SART算法的重建残差绝对值结果图;可以看出,SART算法的重建结果图中的伪影十分明显,上方圆形沿竖直方向模糊,右下三角形的与水平方向夹角较小的斜边严重缺失。
参见图6所示,图6示出了本发明实施例一所提供的一种l0GM算法的重建结果图;参见图7所示,图7示出了本发明实施例一所提供的一种l0GM算法的重建残差绝对值结果图;可以看出,与SART算法结果相比,l0GM算法使重建图像的质量得到了提升,对图像原来有的可见边未造成影响,并且能够有效的抑制边缘出现的模糊,但是图像中上方的圆形有些变形,部分曲线变直,右下三角形的斜边模糊变形。
参见图8所示,图8示出了本发明实施例一所提供的一种AEDS算法的重建结果图;参见图9所示,图9示出了本发明实施例一所提供的一种AEDS算法的重建残差绝对值结果图;可以看出,AEDS算法得到的结果提升了图像的质量,在一定程度上抑制了模糊和伪影,但是圆的上下两端和右下三角形的斜边产生明显的阶梯效应,极大的影响了对物体结构的识别。
参见图10所示,图10示出了本发明实施例一所提供的一种通过本申请提供的重建方法进行图像重建后的重建结果图,参见图11所示,图11示出了本发明实施例一所提供的一种本申请提供的重建方法的重建残差绝对值结果图;可以看出,本申请提供的重建算法对模糊和伪影都有抑制作用,并且没有出现阶梯效应,可以较为容易地判断出物体的结构。
在通过本申请提供的重建方法重建得到图像后,再次对图像/>进行指定次数的l0GM算法(一种图像重建算法)的迭代处理后得到最终图像;参见图12所示,图12示出了本发明实施例一所提供的最终图像的重建结果图;参见图13所示,图13示出了本发明实施例一所提供的最终图像的重建残差绝对值结果图;可以看出,物体结构呈现得更为清晰。
实施例二
参见图14所示,图14示出了本发明实施例二所提供的一种基于非线性扩散模型的有限角CT图像重建装置的结构示意图,其中,如图14所示,本发明实施例二所提供的一种基于非线性扩散模型的有限角CT图像重建装置包括:
数据集输入模块1401,用于输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
第一图像更新模块1403,用于迭代处理候选图像,/>=0,1,2,···,/>,利用有限角CT扫描数据集/>,通过与扫描几何参数集G相关的图像重建算子/>对候选图像/>进行更新后得到图像/>,其中,/>表示扫描几何参数集G相关的图像重建算子;
在一个可行的实施方案中,参见图15所示,图15示出了本发明实施例二所提供的另一种基于非线性扩散模型的有限角CT图像重建装置的结构示意图,其中,所述装置还包括:
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
实施例三
本发明实施例三提供了一种基于非线性扩散模型的有限角CT图像重建方法,其中,所述方法包括步骤1~步骤7:
步骤1,输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
具体的,可参考本申请实施例一种所提供的一种基于非线性扩散模型的有限角CT图像重建方法的具体实施方法。
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
实施例四
本申请实施例四提供了一种基于非线性扩散模型的有限角CT图像重建装置,所述装置包括;
数据集输入模块,用于输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
在一个可行的实施方案中,所述边缘信息确定模块在用于迭代处理候选图像,=0,1,2,···,/>,根据图像/>中的每个像素点在预设八个方向上相邻的八个像素点的像素值,确定出图像/>的边缘信息时,具体用于:
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,/>为所述边缘指示符函数,/>为图像/>,为图像/>,/>,/>为图像/>的在/>方向上的偏微分,/>为图像/>的在/>方向上的偏微分,/>为图像的在/>方向上的二阶偏微分, />为图像/>的在/>方向上的二阶偏微分,/>为图像/>的在/>和/>方向上的二阶混合偏微分,/>为图像的像素点坐标,/>表示/>轴坐标值,/>表示/>轴坐标值,/>表示“被定义为”。
在一个可行的实施方案中,所述装置还包括:
本发明实施例所提供的一种基于非线性扩散模型的有限角CT图像重建装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的***、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种基于非线性扩散模型的有限角CT图像重建方法,其特征在于,所述方法包括:
步骤1,输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
2.一种基于非线性扩散模型的有限角CT图像重建装置,其特征在于,所述装置包括:
数据集输入模块,用于输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
第一图像更新模块,用于迭代处理候选图像,=0,1,2,···,,利用有限角CT扫描数据集,通过与扫描几何参数集G相关的图像重建算子对候选图像进行更新后得到图像,其中,表示扫描几何参数集G相关的图像重建算子;
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
3.一种基于非线性扩散模型的有限角CT图像重建方法,其特征在于,所述方法包括:
步骤1,输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,为所述边缘指示符函数,为图像,为图像,,为图像的在方向上的偏微分,为图像的在方向上的偏微分,为图像的在方向上的二阶偏微分, 为图像的在方向上的二阶偏微分,为图像的在和方向上的二阶混合偏微分,为图像的像素点坐标,表示轴坐标值,表示轴坐标值,表示“被定义为”;
4.一种基于非线性扩散模型的有限角CT图像重建装置,其特征在于,所述装置包括:
数据集输入模块,用于输入已知数据集:有限角CT扫描获得的数据集p,CT扫描几何参数集G;
判断该像素点的梯度值是否超过预设的标准梯度值;
若该像素点的梯度值超过所述标准梯度值,则将该像素点标记为边缘点;
其中,为预设的加权参数,为所述边缘指示符函数,为图像,为图像,,为图像的在方向上的偏微分,为图像的在方向上的偏微分,为图像的在方向上的二阶偏微分, 为图像的在方向上的二阶偏微分,为图像的在和方向上的二阶混合偏微分,为图像的像素点坐标,表示轴坐标值,表示轴坐标值,表示“被定义为”;
所述装置还包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276507.0A CN115359049B (zh) | 2022-10-19 | 2022-10-19 | 基于非线性扩散模型的有限角ct图像重建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276507.0A CN115359049B (zh) | 2022-10-19 | 2022-10-19 | 基于非线性扩散模型的有限角ct图像重建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115359049A CN115359049A (zh) | 2022-11-18 |
CN115359049B true CN115359049B (zh) | 2023-03-24 |
Family
ID=84008211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211276507.0A Active CN115359049B (zh) | 2022-10-19 | 2022-10-19 | 基于非线性扩散模型的有限角ct图像重建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115359049B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116012478B (zh) * | 2022-12-27 | 2023-08-18 | 哈尔滨工业大学 | 一种基于收敛型扩散模型的ct金属伪影去除方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583389A (zh) * | 2020-04-28 | 2020-08-25 | 重庆大学 | 一种基于cad模型的不完全扫描ct图像重建方法 |
CN112070856A (zh) * | 2020-09-16 | 2020-12-11 | 重庆师范大学 | 基于非下采样轮廓波变换的有限角c型臂ct图像重建方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7041128B6 (ja) * | 2016-09-30 | 2022-05-30 | コーニンクレッカ フィリップス エヌ ヴェ | ノイズに起因するアーチファクト形成の動的抑制を用いた反復画像再構成 |
CN107978005B (zh) * | 2017-11-21 | 2021-01-08 | 首都师范大学 | 一种基于保边界扩散和平滑的有限角ct图像重建算法 |
CN110610478B (zh) * | 2019-07-24 | 2021-05-25 | 浙江大学 | 一种基于邻域拓扑的医学图像三维重建方法 |
CN110717956B (zh) * | 2019-09-30 | 2023-06-20 | 重庆大学 | 一种有限角投影超像素引导的l0范数最优化重建方法 |
CN112288762B (zh) * | 2020-10-15 | 2023-05-09 | 西北工业大学 | 一种有限角度ct扫描的离散迭代重建方法 |
-
2022
- 2022-10-19 CN CN202211276507.0A patent/CN115359049B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583389A (zh) * | 2020-04-28 | 2020-08-25 | 重庆大学 | 一种基于cad模型的不完全扫描ct图像重建方法 |
CN112070856A (zh) * | 2020-09-16 | 2020-12-11 | 重庆师范大学 | 基于非下采样轮廓波变换的有限角c型臂ct图像重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115359049A (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2504811B1 (en) | Enhanced image data/dose reduction | |
Zhu et al. | Improved compressed sensing‐based algorithm for sparse‐view CT image reconstruction | |
KR101598265B1 (ko) | X선 컴퓨터 단층 촬영 장치 및 화상 재구성 방법 | |
Anas et al. | Removal of ring artifacts in CT imaging through detection and correction of stripes in the sinogram | |
JP2015500048A (ja) | イメージ領域のノイズ除去 | |
US10282826B2 (en) | Despeckling method for radiographic images | |
CN115359049B (zh) | 基于非线性扩散模型的有限角ct图像重建方法及装置 | |
Xu et al. | Efficient low‐dose CT artifact mitigation using an artifact‐matched prior scan | |
CN111353958A (zh) | 图像处理方法、装置及*** | |
EP3452981A1 (en) | Device and method for denoising a vector-valued image | |
Karimi et al. | Reducing streak artifacts in computed tomography via sparse representation in coupled dictionaries | |
Friot et al. | Iterative tomographic reconstruction with TV prior for low-dose CBCT dental imaging | |
Lv et al. | A back‐projection‐and‐filtering‐like (BPF‐like) reconstruction method with the deep learning filtration from listmode data in TOF‐PET | |
Deng et al. | Projection data smoothing through noise-level weighted total variation regularization for low-dose computed tomography | |
Bappy et al. | Modified simultaneous iterative reconstruction technique for fast, high‐quality CT reconstruction | |
US10932743B2 (en) | Determining image values in marked pixels of at least one projection image | |
EP2731078B1 (en) | Shape extraction method and shape extraction system | |
CN110717959B (zh) | 基于曲率约束的x射线有限角ct图像重建方法和装置 | |
Tiwari | A variational framework for low-dose sinogram restoration | |
Chávez-Rivera et al. | ML-EM reconstruction model including total variation for low dose PET high resolution data | |
KR101431646B1 (ko) | 데이터처리장치, 데이터처리방법 및 컴퓨터 판독가능 기록매체 | |
Coban et al. | Assessing the efficacy of tomographic reconstruction methods through physical quantification techniques | |
Dong et al. | Tomographic reconstruction with spatially varying parameter selection | |
Nguyen et al. | A low-cost and easy-to-use phantom for cone-beam geometry calibration of a tomographic X-ray system | |
CN105488824B (zh) | 一种重建pet图像的方法和装置 |
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 |