CN102324101B - 基于光学投影断层成像系统的被测物图像拼接方法 - Google Patents

基于光学投影断层成像系统的被测物图像拼接方法 Download PDF

Info

Publication number
CN102324101B
CN102324101B CN 201110302831 CN201110302831A CN102324101B CN 102324101 B CN102324101 B CN 102324101B CN 201110302831 CN201110302831 CN 201110302831 CN 201110302831 A CN201110302831 A CN 201110302831A CN 102324101 B CN102324101 B CN 102324101B
Authority
CN
China
Prior art keywords
image
sinogram
projection
measured object
sub
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.)
Expired - Fee Related
Application number
CN 201110302831
Other languages
English (en)
Other versions
CN102324101A (zh
Inventor
朱守平
鞠金采
梁继民
屈晓超
陈多芳
赵恒�
李军
陈雪利
侯彦宾
田捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN 201110302831 priority Critical patent/CN102324101B/zh
Publication of CN102324101A publication Critical patent/CN102324101A/zh
Application granted granted Critical
Publication of CN102324101B publication Critical patent/CN102324101B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种基于光学投影断层成像系统的被测物图像拼接方法,主要解决现有技术中基于光学投影断层成像系统的被测物图像的拼接中拼接区域图像模糊或拼接痕迹明显的问题。其实现步骤是:(1)分别对被测物的左半部分和右半部分进行照射,采集得到被测物左半部分和右半部分的投影图像;(2)将被测物左半部分和右半部分的投影图像分别转化为纹理特征清晰的正弦图;(3)对正弦图进行拼接,利用图像重叠区域的相关性,确定投影图像的拼接距离;(4)利用斜坡函数加权的方式完成投影图像的拼接。本发明具有拼接区域清晰度高,拼接痕迹小和计算量小的优点,可用于对被测物进行三维重建。

Description

基于光学投影断层成像系统的被测物图像拼接方法
技术领域
本发明属于影像处理的技术领域,涉及光学投影计算机断层成像系统的图像拼接,尤其适合于平行光束的光学投影断层成像系统的图像拼接。
背景技术
光学投影断层成像OPT是一种新型的光学分子影像成像技术,其成像原理和X射线计算机断层成像的原理类似。OPT采用可见光作为照射源,非常适用于小动物胚胎、器官、果蝇、线虫等1-10mm尺度范围内的透明或半透明样品的成像。OPT可获得小动物小肠的结构成像,又能利用荧光染料或荧光蛋白进行分子特异性标记,实现分子特性成像,从而为疾病的相关基因功能定位、细胞生长发育和突变过程的作用机制、新药研发等研究提供详细的定性、定位、定量信息,并且设备成本低,使用方便,对小动物小肠无辐射污染。OPT的便利性和优越性受到了越来越多的关注。
与X射线断层成像系统类似,在OPT成像过程中,遇到较大的被测物,探测器无法一次性得到小动物小肠完整的投影图像时,常以分段采集投影图像,再实行图像拼接的方式来得到完整的投影图像。对于实行图像拼接的方式,通常根据图像配准的方式可以分为基于变换域的方法、基于图像特征的方法和基于图像灰度的方法三大类。
1.基于变换域的方法,常见的是傅里叶变换,将图像由空域变换到频域,通过互功率直接计算出两幅图像间的平移矢量,从而实现图像的配准。
2.基于图像特征的方法是:提取图像边界、轮廓线等特征进行匹配,构造方程组,通过数值计算得到变换参数,按照变换参数实现图像的拼接。
3.基于图像灰度的方法是:通过计算两幅图像重叠区域间在对应RGB或CMY颜色系统中灰度级的相似性,确定图像间相似性的大小,相似性最大的区域即认为是图像的重叠区域,按照重叠区域进行拼合,实现图像的拼接。
在上述基于OPT系统的被测物投影图像拼接中,由于投影图像的灰度变化不大,纹理不明显,用于拼接的投影图像间通常不存在旋转、缩放、遮盖等情况,仅通过图像间的平移就可以完成图像的拼接。此时,基于变换域的方法因要求同时搜索整个图像空间,计算代价随之增加。而基于图像特征的方法和直接基于图像灰度的方法往往因为投影图像本身灰度变化不大,纹理不明显,导致图像的拼接痕迹明显或拼接区域图像模糊。
发明内容
针对上述已有技术的不足和OPT系统投影图像自身的特点,本发明提出了一种基于光学投影断层成像系统的被测物图像拼接方法,以提高拼接图像的清晰度。
实现本发明目的的技术思路是:将被测物投影图像转化为纹理特征清晰的正弦图,通过比较正弦图上图像间的相关性,确定投影图像的拼接位置,最终完成图像的拼接。具体步骤包括如下:
(1)将被测物固定在光学投影断层成像系统的转台上,使用平行束的可见光作为照射源,调节系统探测器的位置,对被测物左半部分进行N个角度的照射,每个角度上采集1个投影图像,共采集N个投影图像,记为左半部分投影图像SAn,n=1,...,N,每个投影图像由H×W个像素组成,H为投影图像中像素的行数,W为投影图像中像素的列数;
(2)保持被测物相对转台不动,水平移动转台的位置,对被测物右半部分进行N个角度的照射,每个角度上采集1个投影图像,共采集N个投影图像,记为右半部分投影图像SBn,n=1,...,N,每个投影图像由H×W个像素组成;
(3)将步骤(1)中得到的左半部分投影图像转化为正弦图,记为正弦图Aj,j=1,...,H,将步骤(2)中得到的右半部分投影图像转化为正弦图,记为正弦图Bj,j=1,...,H;
(4)分别在正弦图Aj与正弦图Bj上选取子带,并计算子带间的相关系数Cj,移动子带,确定相关系数最大值对应的位置,遍历所有的正弦图,计算相关系数最大值对应的位置的平均值,确定光学投影断层成像的最佳拼接距离d;
(5)利用步骤(4)确定的最佳拼接距离d,对步骤(1)和步骤(2)中各个相同角度上采集的投影图像利用斜坡函数加权的方式进行拼接,得到被测物在每个照射角度的完整的投影图像,完成图像的拼接。
本发明由于将投影图像转化为纹理特征清晰的正弦图,从而避免了基于特征的方法和直接基于图像灰度的方法因为投影图像本身灰度变化不大,纹理不明显而导致的图像拼接痕迹明显或拼接区域图像模糊的缺点;同时由于本发明只需要搜索指定的区域,因而较基于变换域的方法要求搜索整个图像空间,计算量小,从而节省计算资源,因此,本发明特别适合基于平行光束的OPT系统得到的被测物投影图像的拼接。
附图说明
图1为本发明拼接方法的流程图;
图2为本发明实施例中对被测小动物小肠在左半部分成像时的第60个投影图像;
图3为本发明实施例中对被测小动物小肠在右半部分成像时的第60个投影图像;
图4为用本发明将被测物左半部分投影图像转化为正弦图Aj的过程示意图;
图5为本发明实施例中被测小动物小肠在左半部分投影图像的第300行对应的正弦图;
图6为用本发明将右半部分投影图像转化为正弦图Bj的过程示意图;
图7为本发明实施例中被测小动物小肠在右半部分投影图像的第300行对应的正弦图B300
图8为本发明对图4和图6正弦图的拼接过程示意图;
图9为本发明实施例中,j=300时,相关系数C300(m)与搜索范围m的关系图;
图10为本发明实施例中被测小动物小肠的第60个投影图像拼接后的图像。
具体实施方式
下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
OPT系统成像的被测物一般包括小动物胚胎、器官、果蝇、线虫等1-10mm尺度范围内的透明或半透明的物体。
在此实施例中,以小动物小肠作为被测物,但不局限于此,采用激光器作为照射源,并使用远心透镜经光线扩束为平行光照射小动物小肠,采用高灵敏度的CCD相机来采集小动物小肠的投影图像,图像大小为500×500个像素,图像采集中每隔1.5度采集一个投影图像,共采集240个投影图像,图像拼接中的子带图像宽度S=20,最大搜索范围M=40,给定的最小相关系数η=0.9。
参照图1,本发明基于光学投影断层成像系统的被测物图像拼接方法,具体步骤包括如下:
步骤1:将被测物,例如小动物小肠,小动物胚胎,线虫,固定在电控旋转台上,调节转台的位置,使得对被测物进行多角度照射时,被测物的左半部分始终投影在CCD相机内;再对被测物进行360度范围照射,每隔1.5度采集一个投影图像,共采集240个投影图像。每个投影图像包含500×500个像素,记为左半部分投影图像SAn,n=1,...,240,图2给出了对被测物,例如小动物小肠在左半部分照射时采集得到的第60个投影图像。
步骤2:保持被测物相对于转台不动,将转台垂直光路左右移动,使得对被测物进行多角度照射时,被测物的右半部分始终投影在CCD相机内;再对被测物进行360度范围照射,每隔1.5度采集一个投影图像,共采集240个投影图像,每个投影图像包含500×500个像素,记为右半部分投影图像SBn,n=1,...,240,图3给出了对被测物,例如小动物小肠在右半部分照射时采集到的第60个投影图像。
步骤3:将被测物左半部分的投影图像转化为正弦图。
参照图4,本步骤的具体实现如下:
(3a)选取步骤1中得到的240个投影图像,抽取第一个投影图像的第j行,作为正弦图Aj的第一行,抽取第二个投影图的第j行作为正弦图Aj的第二行,依次类推,抽取每个投影图像的第j行,按照投影时间的先后顺序重组成一个图像,得到与被测物左半部分投影图像第j行对应的正弦图Aj,j从1取到500;
(3b)重复步骤(3a),得到与被测物左半部分投影图像对应的正弦图Aj,j=1,...,500,图5给出了被测物,例如小动物小肠,左半部分投影图像的第300行对应的正弦图A300
步骤4:将被测物右半部分的投影图像转化为正弦图。
参照图6,本步骤的具体实现如下:
(4a)选取步骤2中得到的240个投影图像,抽取第一个投影图像的第j行,作为正弦图Bj的第一行,抽取第二个投影图像的第j行作为正弦图Bj的第二行,依次类推,抽取每个投影图像的第j行,按照投影时间的先后顺序重组成一个图像,得到与被测物右半部分投影图像第j行对应的正弦图Bj,j从1取到500;
(4b)重复步骤(4a),得到与被测物右半部分投影图像对应的正弦图Bj,j=1,...,500,图7给出了被测物,例如小动物小肠,右半部分投影图像的第300行对应的正弦图B300
步骤5:对左半部分投影图像对应的正弦图Aj和右半部分投影图像对应的正弦图像Bj进行拼接。
(Sa)选取左半部分投影图像对应的正弦图Aj的右端第1~20列,记为正弦图Aj的子带图像TA,选取右半部分投影图像对应的正弦图Bj的左端第1~20列,记为正弦图Bj的子带图像TB1,参照图8(a),实现正弦图Bj的子带图像TB1与正弦图Aj的子带图像TA的拼接,计算正弦图Bj的子带图像TB1中像素点灰度值与正弦图Aj的子带图像TA中像素点灰度值的相关系数Cj(1):
C j ( 1 ) = Σ k ( TA k - TA ‾ ) ( TB k 1 - TB 1 ‾ ) Σ k ( TA k - TA ‾ ) 2 Σ k ( TB k 1 - TB 1 ‾ ) 2
其中,正弦图Aj的子带图像TA和正弦图Bj的子带图像TB1均由500行×20列个像素组成,
Figure BDA0000097243130000052
为正弦图Aj的子带图像TA中所有像素点灰度值的平均值,
Figure BDA0000097243130000053
为正弦图Bj的子带图像TB1中所有像素点灰度值的平均值,为计算方便,将子带图像按行抽取后进行排列,转化为1行×(500×20)列个像素,TAk为正弦图Aj的子带图像TA的第k个像素点的灰度值,
Figure BDA0000097243130000054
为正弦图Bj的子带图像TB1的第k个像素点的灰度值,k的取值范围为1~10000;
(5b)保持正弦图Aj的子带图像TA不动,选取右半部分投影图像对应的正弦图Bj的左端第2~21列,记为正弦图Bj的子带图像TB2,参照图8(b),实现正弦图Bj的子带图像TB2与正弦图Aj的子带图像TA的拼接,计算正弦图Bj的子带图像TB2中像素点灰度值与正弦图Aj的子带图像TA中像素点灰度值的相关系数Cj(2):
C j ( 2 ) = Σ k ( TA k - TA ‾ ) ( TB k 2 - TB ‾ 2 ) Σ k ( TA k - TA ‾ ) 2 Σ k ( TB k 2 - TB 2 ‾ ) 2
其中,正弦图Bj的子带图像TB2由500行×20列个像素组成,
Figure BDA0000097243130000056
为正弦图Bj的子带图像TB2中所有像素点灰度值的平均值,为计算方便,将子带图像按行抽取后进行排列,转化为1行×(500×20)列个像素,
Figure BDA0000097243130000057
为正弦图Bj的子带图像TB2的第k个像素点的灰度值,k的取值范围为1~10000;
(5c)保持正弦图Aj的子带图像TA不动,取右半部分投影图像对应的正弦图Bj的左端m~20+m-1列,记为正弦图Bj的子带图像TBm,参照图8(c),实现正弦图Bj的子带图像TBm与正弦图像Aj的子带图像TA的拼接,计算正弦图Bj的子带图像TBm中像素点灰度值与正弦图Aj的子带图像TA中像素点灰度值的相关系数Cj(m):
C j ( m ) = Σ k ( TA k - TA ‾ ) ( TB k m - TB m ‾ ) Σ k ( TA k - TA ‾ ) 2 Σ k ( TB k m - TB m ‾ ) 2
其中,m为搜索范围,取值为1≤m≤M=40,正弦图Bj的子带图像TBm由500行×20列个像素组成,
Figure BDA0000097243130000062
为正弦图Bj的子带图像TBm中所有像素点灰度值的平均值,为计算方便,将子带图像按行抽取后进行排列,转化为1行×(500×20)列个像素,
Figure BDA0000097243130000063
为正弦图Bj的子带图像TBm的第k个像素点的灰度值,k的取值范围为1~10000。
步骤6:根据步骤5中得到的相关系数Cj(1),Cj(2),...,Cj(m)的值,绘制出相关系数Cj(m)与搜索范围m的曲线图,记相关系数取得的最大值为Cj,若Cj满足条件Cj≥η,η为给定的最小相关系数,则取得Cj时的m的值,即为左半部分投影图像对应的正弦图Aj与右半部分投影图像对应的正弦图Bj的最佳拼接距离,记此时m的值为dj,例如,当j=300时,根据步骤5中得到的C300(1),C300(2),...,C300(40)的值,绘制出图9相关系数与搜索范围m的曲线图,记相关系数取得的最大值为C300,C300=max{C300(1),C300(2),L,C300(m)}=0.98,因C300>η=0.9符合条件,所以正弦图A300与正弦图B300的最佳拼接距离为d300=14。
步骤7:将j从1取到500,重复步骤5和步骤6,得到左半部分投影图像对应的正弦图Aj与右半部分对应的正弦图Bj拼接时的最佳拼接距离dj,取所有符合条件Cj≥η的dj的平均值,记为d,d即为步骤1中得到的左半部分投影图像SAn与步骤2中得到的右半部分投影图像SBn拼接时需要平移的距离,例如,本实施例中,经计算得d=14。
步骤8:采用斜坡函数加权的方式实现投影图像的拼接。
(8a)选取左半部分投影图像SAn和右半部分投影图像SBn,n=1,...,240,保持左半部分投影图像SAn左侧的第1~466列不动,作为拼接后图像的第1~466列,保持右半部分投影图像SBn右侧的第35~500列不动,作为拼接后图像的第501~966列。
(8b)将被测物左半部分投影图像SAn与右半部分投影图像SBn相对平移d+S列,使左半部分投影图像SAn右端的第W-d-S+1~W列与右半部分投影图像SBn左端的第1~d+S列重叠,用左半部分投影图像SAn的第467+i列与右半部分投影图像SBn的第i列分别乘以加权因子
Figure BDA0000097243130000072
然后再相加,得到拼接后图像的第467+i列,其中i为自然数,i的取值范围为1~34。
(8c)重复步骤(8b),将i从1取到34,即得拼接后图像的第467~500列。
(8d)重复步骤(8a)~(8c),将n从1取到240,遍历所有投影图像,完成所有照射角度的投影图像的拼接,例如,图10给出了第60个投影图像拼接后的图像。
以上所述,仅为本发明中的一个具体实例,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。

Claims (7)

1.一种基于光学投影断层成像系统的被测物图像拼接方法,包括如下步骤:
(1)将被测物固定在光学投影断层成像系统的转台上,使用平行束的可见光作为照射源,调节系统探测器的位置,对被测物左半部分进行N个角度的照射,每个角度上采集1个投影图像,共采集N个投影图像,记为左半部分投影图像SAn,n=1,...,N,每个投影图像由H×W个像素组成,H为投影图像中像素的行数,W为投影图像中像素的列数;
(2)保持被测物相对转台不动,水平移动转台的位置,对被测物右半部分进行N个角度的照射,每个角度上采集1个投影图像,共采集N个投影图像,记为右半部分投影图像SBn,n=1,…,N,每个投影图像由H×W个像素组成;
(3)将步骤(1)中得到的左半部分投影图像转化为正弦图,记为正弦图Aj,j=1,…,H,将步骤(2)中得到的右半部分投影图像转化为正弦图,记为正弦图Bj,j=1,…,H;
(4)分别在正弦图Aj与正弦图Bj上选取子带,并计算子带间的相关系数Cj,移动子带,确定相关系数最大值对应的位置,遍历所有的正弦图,计算相关系数最大值对应的位置的平均值,确定光学投影断层成像的最佳拼接距离d;
(5)利用步骤(4)确定的最佳拼接距离d,对步骤(1)和步骤(2)中各个相同角度上采集的投影图像利用斜坡函数加权的方式进行拼接,得到被测物在每个照射角度的完整的投影图像,完成图像的拼接。
2.根据权利要求1所述的基于光学投影断层成像系统的被测物图像拼接方法,其特征在于:所述步骤(3)中投影图像转换为正弦图的步骤为:
(3a)选取步骤(1)中得到的N个投影图像,N为不为零的自然数,抽取第一个投影图像的第j行,作为正弦图Aj的第一行,抽取第二个投影图的第j行作为正弦图Aj的第二行,依次类推,抽取每个左半部分投影图像的第j行,按照投影时间的先后顺序重组成一个图像,得到第j行对应的正弦图,j从1取到H,H为投影图像中像素的行数;
(3b)重复步骤(3a),得到与被测物左半部分投影图像对应的H个正弦图Aj,j=1,2,…,H;
(3c)选取步骤(2)中得到的N个投影图像,N为不为零的自然数,抽取第一个投影图像的第j行,作为正弦图Bj的第一行,抽取第二个投影图的第j行作为正弦图Bj的第二行,依次类推,抽取每个右半部分投影图像的第j行,按照投影时间的先后顺序重组成一个图像,得到第j行对应的正弦图,j从1取到H,H为投影图像中像素的行数;
(3d)重复步骤(3c),得到与被测物右半部分投影图像对应的H个正弦图Bj,j=1,2,…,H。
3.根据权利要求1所述的基于光学投影断层成像系统的被测物图像拼接方法,其特征在于:所述步骤(4)中对正弦图进行拼接的步骤如下:
(4a)选取左半部分投影图像对应的正弦图Aj右端的第1~S列图像,记为正弦图Aj的子带图像TA,选取右半部分投影图像对应的正弦图Bj左端的第1~S列图像,记为正弦图Bj的子带图像TB1,计算正弦图Bj的子带图像TB1中像素点灰度值与正弦图Aj的子带图像TA中像素点灰度值的相关系数Cj(1):
C j ( 1 ) = Σ k ( TA k - TA ‾ ) ( TB k 1 - TB 1 ‾ ) Σ k ( TA k - TA ‾ ) 2 Σ k ( TB k 1 - TB 1 ‾ ) 2
其中,正弦图Aj的子带图像TA和正弦图Bj的子带图像TB1均由H行×S列个像素组成,
Figure FDA00002626109000022
为正弦图Aj的子带图像TA中所有像素点灰度值的平均值,
Figure FDA00002626109000023
为正弦图Bj的子带图像TB1中所有像素点灰度值的平均值,为计算方便,将子带图像按行抽取后进行排列,转化为1行×(H×S)列个像素,TAk为正弦图Aj的子带图像TA的第k个像素点的灰度值,
Figure FDA00002626109000024
为正弦图Bj的子带图像TB1的第k个像素点的灰度值,k的取值范围为1~H×S;
(4b)保持正弦图Aj的子带图像TA不动,选取右半部分投影图像对应的正弦图Bj左端的第2~S+1列,记为正弦图Bj的子带图像TB2,计算正弦图Bj的子带图像TB2中像素点灰度值与正弦图Aj的子带图像TA中像素点灰度值的相关系数Cj(2):
C j ( 2 ) = Σ k ( TA k - TA ‾ ) ( TB k 2 - TB 2 ‾ ) Σ k ( TA k - TA ‾ ) 2 Σ k ( TB k 2 - TB 2 ‾ ) 2
其中,
Figure FDA00002626109000031
为正弦图Aj的子带图像TA中所有像素点灰度值的平均值,TAk为正弦图Aj的子带图像TA的第k个像素点的灰度值,为正弦图Bj的子带图像TB2中所有像素点灰度值的平均值,
Figure FDA00002626109000033
为正弦图Bj的子带图像TB2的第k个像素点的灰度值,k的取值范围为1~H×S;
(4c)保持正弦图Aj的子带图像TA不动,选取正弦图Bj的左端第m~S+m-1列,记为正弦图Bj的子带图像TBm,计算正弦图Bj的子带图像TBm中像素点灰度值与正弦图Aj的子带图像TA中像素点灰度值的相关系数Cj(m):
C j ( m ) = Σ k ( TA k - TA ‾ ) ( TB k m - TB m ‾ ) Σ k ( TA k - TA ‾ ) 2 Σ k ( TB k m - TB m ‾ ) 2
其中,m为搜索范围,取值范围为:3≤m≤M,M为预先给定的最大重叠区域,
Figure FDA00002626109000035
为正弦图Aj的子带图像TA中所有像素点灰度值的平均值,TAk为正弦图Aj的子带图像TA的第k个像素点的灰度值,
Figure FDA00002626109000036
为正弦图Bj的子带图像TBm中所有像素点灰度值的平均值,为正弦图Bj的子带图像TBm的第k个像素点的灰度值,k的取值范围为1~H×S;
(4d)根据步骤(4a)~(4c),绘制出相关系数Cj(1),Cj(2),…,Cj(m)与搜索范围m的曲线图,记相关系数取得的最大值为Cj,即:
Cj=max{Cj(1),Cj(2),…,Cj(m)},
若Cj满足条件Cj≥η,则记取得Cj时m的值为dj,j=1,…,H,H为投影图像中像素的行数,η为给定的最小相关系数;
(4e)重复步骤(4a)~(4d),将j从1取到H,即可得到左半部分投影图像对应的正弦图Aj与右半部分投影图像对应的正弦图Bj的最佳拼接距离dj,j=1,…,H,对满足条件Cj≥η的所有dj取平均值,记为d,d即为投影图像拼接时需要移动的距离,其中,η为给定的最小相关系数。
4.根据权利要求3所述的基于光学投影断层成像系统的被测物图像拼接方法,其特征在于:所述步骤(5)中采用斜坡函数加权的方法实现投影图像拼接的步骤如下:
(5a)选取被测物左半部分投影图像SAn和被测物右半部分投影图像SBn,n=1,…,N;
(5b)保持左半部分投影图像SAn左侧的第1~W-d-S列不动,作为拼接后图像的第1~W-d-S列,保持右半部分投影图像SBn右侧的第d+S+1~W列不动,作为拼接后图像的第W+1~2W-d-S列;
(5c)将被测物左半部分投影图像SAn与右半部分投影图像SBn相对平移d+S列,使左半部分投影图像SAn右端的第W-d-S+1~W列与右半部分投影图像SBn左端的第1~d+S列重叠,用左半部分投影图像SAn的第W-d-S+i列与右半部分投影图像SBn的第i列分别乘以加权因子
Figure FDA00002626109000041
Figure FDA00002626109000042
然后再相加,作为拼接后图像的第W-d-S+i列,i从1取到d+S;
(5d)重复步骤(5c),即得拼接后图像的第W-d-S+1~W列;
(5e)针对每个SAn和SBn,重复步骤(5b)~(5d),完成所有照射角度的投影图像的拼接。
5.根据权利要求1所述的基于光学投影断层成像系统的被测物图像拼接方法,其特征在于:所述步骤(1)中对被测物进行多角度照射时,被测物的左半部分始终完整的投影在探测器内部。
6.根据权利要求1所述的基于光学投影断层成像系统的被测物图像拼接方法,其特征在于:所述步骤(2)中对被测物进行多角度照射时,被测物的右半部分始终完整的投影在探测器内部。
7.根据权利要求1所述的基于光学投影断层成像系统的被测物图像拼接方法,其特征在于:所述步骤(2)中转台的移动仅是垂直于光路的水平平动。
CN 201110302831 2011-10-09 2011-10-09 基于光学投影断层成像系统的被测物图像拼接方法 Expired - Fee Related CN102324101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110302831 CN102324101B (zh) 2011-10-09 2011-10-09 基于光学投影断层成像系统的被测物图像拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110302831 CN102324101B (zh) 2011-10-09 2011-10-09 基于光学投影断层成像系统的被测物图像拼接方法

Publications (2)

Publication Number Publication Date
CN102324101A CN102324101A (zh) 2012-01-18
CN102324101B true CN102324101B (zh) 2013-04-03

Family

ID=45451840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110302831 Expired - Fee Related CN102324101B (zh) 2011-10-09 2011-10-09 基于光学投影断层成像系统的被测物图像拼接方法

Country Status (1)

Country Link
CN (1) CN102324101B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102727188B (zh) * 2012-07-26 2015-02-18 中国科学院自动化研究所 一种基于拼合螺旋扫描方式的光学投影断层成像方法
CN106175669B (zh) * 2016-06-29 2018-11-09 大连理工大学 基于改进的计算机层析成像的手部建模方法
CN109253997B (zh) * 2018-10-27 2020-12-01 西安电子科技大学 一种基于频率调制和空间编码的拉曼断层成像系统
CN109754446B (zh) * 2018-12-11 2023-01-24 北京纳米维景科技有限公司 一种探测器模块之间的拼接缝宽度估计方法及系统
CN113340236B (zh) * 2021-06-28 2023-02-24 四川大学 一种高动态表面形貌测量方法
CN113781848B (zh) * 2021-08-14 2023-03-07 西安电子科技大学 一种基于智能手机的光学投影断层成像装置、系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7298812B2 (en) * 2006-03-31 2007-11-20 General Electric Company Image-based material decomposition
US7515676B2 (en) * 2006-04-28 2009-04-07 Kabushiki Kaisha Toshiba Method, apparatus, and computer program product for sinogram completion
HU229592B1 (en) * 2007-09-03 2014-02-28 Univ Szegedi Tomographic optical microscope system and method for reconstructing the image of an object
CN101499173B (zh) * 2009-03-06 2011-03-09 刘华锋 一种pet成像中卡尔曼滤波图像重建方法

Also Published As

Publication number Publication date
CN102324101A (zh) 2012-01-18

Similar Documents

Publication Publication Date Title
CN102324101B (zh) 基于光学投影断层成像系统的被测物图像拼接方法
Feng et al. Deep convolutional neural network for segmentation of thoracic organs‐at‐risk using cropped 3D images
Tellez et al. Whole-slide mitosis detection in H&E breast histology using PHH3 as a reference to train distilled stain-invariant convolutional networks
Hu et al. Automatic 3D liver segmentation based on deep learning and globally optimized surface evolution
Whiteley et al. DirectPET: full-size neural network PET reconstruction from sinogram data
US20180005372A1 (en) Methods and systems for detecting a centerline of a vessel
US20120302880A1 (en) System and method for specificity-based multimodality three- dimensional optical tomography imaging
CN104504710B (zh) X射线光栅相位衬度成像中摩尔条纹的识别方法及装置
WO2017040669A1 (en) Pattern detection at low signal-to-noise ratio
CN105096310B (zh) 利用多通道特征在磁共振图像中分割肝脏的方法和系统
CN111292386B (zh) 一种基于U-net的CT投影金属迹线补全金属伪影校正方法
JP2006314643A (ja) 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置
CN102334979A (zh) 一种基于迭代收缩的双模态融合断层成像方法
Yang et al. 3-D reconstruction of microtubules from multi-angle total internal reflection fluorescence microscopy using Bayesian framework
US11776174B1 (en) Fluorescence moleculartomography reconstruction method based on prior guidance of magnetic particle imaging
CN103544695A (zh) 一种高效的基于博弈框架的医学图像分割方法
CN114926357B (zh) 计算显微成像系统的led阵列光源位姿自校正方法
Liu et al. Single-view cone-beam x-ray luminescence optical tomography based on Group_YALL1 method
CN112270684B (zh) 一种显微图像免疫组化虚拟多重标记及分析方法及系统
Lv et al. Automatic segmentation of mandibular canal using transformer based neural networks
CN109872353B (zh) 基于改进迭代最近点算法的白光数据与ct数据配准方法
JP2019536538A (ja) スペクトルctにおける骨及びハードプラークのセグメンテーション
Hejazi et al. Fast multislice fluorescence molecular tomography using sparsity-inducing regularization
Rodriguez‐Vila et al. Three‐dimensional quantitative evaluation method of nonrigid registration algorithms for adaptive radiotherapy
CN115526898A (zh) 一种医学影像分割方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130403

Termination date: 20181009