CN105608719B - 一种基于两阶段投影调整的快速ct图像重建方法 - Google Patents
一种基于两阶段投影调整的快速ct图像重建方法 Download PDFInfo
- Publication number
- CN105608719B CN105608719B CN201511005063.7A CN201511005063A CN105608719B CN 105608719 B CN105608719 B CN 105608719B CN 201511005063 A CN201511005063 A CN 201511005063A CN 105608719 B CN105608719 B CN 105608719B
- Authority
- CN
- China
- Prior art keywords
- solution
- linear equations
- projection
- consistent
- square
- 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
Links
Classifications
-
- 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
- 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]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Abstract
本发明提供了一种基于两阶段投影调整的快速CT图像重建方法。针对传统代数重建法无法精确求解非一致线性方程组最小二乘解的缺点,本发明将非一致线性方程组的求解转化为两个一致线性方程组的求解,并利用基于投影调整的快速代数重建算法分别求解两个一致线性方程组,最终实现非一致线性方程组最小二乘解的快速精确求解。为进一步减小算法计算量,本发明采用平方方程误差描述第一个一致方程组迭代解的逼近程度,据此将算法分为前后两个收敛阶段。在第一阶段,只更新第一个一致方程组的解;在第二阶段,分别更新两个一致方程组的解。与传统代数重建法相比,本发明算法能够快速精确求解最小二乘解,可用于不完全投影情况下的快速CT图像重建。
Description
技术领域
本发明涉及一种基于两阶段投影调整的快速CT图像重建方法,属于生物医学成像、无损检测等技术领域。
背景技术
计算机断层扫描(CT)成像是一种重要的无损检测技术,经过几十年的发展,已经从医学领域扩展到工业等其他领域。随着临床应用与工业应用范围的日益扩大与深入,受检测环境、成本、时间、人员健康等诸多因素限制,不完全投影数据下的CT图像重建已不可避免。在现今主流商用CT机中,以滤波反投影算法(FBP)为代表的解析法是最常用的重建算法。该类算法的优点是计算量小,重建速度快,但要求获得充足的投影数据。在不完全投影情况下,现有的滤波反投影类算法难以重建出高质量的CT图像。
与解析法不同,代数重建算法将CT图像重建问题转化为大规模线性方程组求解问题,通过结合一些正则化先验知识,在投影数据不完全时仍可重建高质量图像。另外,代数重建算法不易受所处理问题模型的限制并且可以引入被检物体的先验信息,容易扩展到CT应用的其他领域,展示出了很大的发展空间与应用潜力。
虽然世界上第一台CT机所采用的图像重建算法就是代数重建法,但计算量大、重建速度慢的缺点,在很长一段时间内限制了代数重建法在CT成像系统的大规模应用。目前随着并行计算理论及计算机技术的快速发展,代数重建法的技术瓶颈已得到很大程度的缓解,其优势更加凸显,近年来代数重建技术重新引起了众多研究者的注意。如何在不完全投影情况下提高代数重建法的收敛速度与精度,成为了代数重建算法能否在实际成像系统中得到普遍应用的关键。
发明内容
本发明提供一种基于两阶段投影调整的快速CT图像重建方法,达到收敛速度快,能够精确求解非一致线性方程组的最小二乘解,可用于不完全投影情况下的快速CT图像重建的目的。
本发明的理论分析为:
代数重建法(ART)将图像重建问题转化为如下大规模线性方程组求解问题:
Ax=b (1)
其中,x即为待求的图像,为N×1向量,由对二维或三维图像按一维重新排列得到,x的每个元素xi对应原图像的一个像素。A是M×N系统矩阵,每个元素aij描述第j个像素对第i条射线的贡献。b为M×1测量数据向量,其第i个元素bi对应第i条射线的衰减。
最早的ART方法由Kaczmarz提出,也称Kaczmarz方法(简称KA)。其基本思想是:将各方程看作N维空间的一个超平面,从初始解向量x0出发,依次在各超平面上投影,逐步逼近方程组的真实解,可用如下数学公式表示:
xk+1=P(b,xk)=PMο…οP2οP1(b,xk) (2)
xk,i=Pi(b,xk,j)=xk,j+λi,jai (3)
xk,0=xk,xk+1=xk,M (5)
其中,ai为矩阵A的第i行向量,〈·〉与||·||分别表示内积与欧拉范数,ai T表示对ai的转置。Pi(b,xk,j)表示将向量xk,j投影到第i个超平面的操作,xk,j表示KA第k次迭代时投影到第j个超平面的向量。每次迭代,对向量xk执行操作P(b,xk),即依次在各超平面上进行一轮投影,得到下一代的解向量xk+1=P(b,xk)=xk,M。
为了提高Kaczmarz方法的效率,我们提出了基于投影调整的快速代数重建算法。在每次迭代对KA投影到超平面i的投影向量xk,i沿其与前代该超平面投影向量xk-1,i连线方向进行进一步的调整优化,使得调整后的新向量xc在xk,i-1与xk,i连线方向上最优(即到真实解向量x*的平方距离或误差最小)。基于投影调整的快速代数重建算法每次迭代的数学公式如下:
xe=Pi(b,xk,j)-xk-1,i=xk,i-xk-1,i (8)
式(7)中的参数β根据如下表达式计算:
△d=dk-1,i-dk,i (10)
dk,i=||x*-xk,i||2,dk-1,i=||x*-xk-1,i||2 (11)
其中,dk,i表示向量xk,i到真实解向量x*的平方误差(或距离)。在KA中,将向量xk,j投影到第i个平面得到xk,i,对应的dk,i满足如下关系:
dk,i=dk,j-||xk,i-xk,j||2=dk,j-||λi,jai||2 (12)
这样由一个初始值d0开始(dk,0=dk),根据式(12)依次迭代计算dk-1,i与dk,i,再将dk-1,i与dk,i代入式(10),可消去d0,求得Δd。将式(10)计算得到的△d代入式(9)求出β,再将求出的β代入式(7)即可求出调整后的xc。然后根据式(13)、(14)更新xk,i与dk,i:
xk,i=xc (13)
dk,i=dk,i-β2||xe||2 (14)
上述快速代数重建算法中每次迭代可以采用不同的超平面投影顺序。在每次迭代采用随机的投影顺序,许多情况下可以明显提高算法的效率。本发明后面的例子中,也将采用随机投影顺序的快速代数重建算法。
理论分析表明,如果待求解线性方程组(1)是一致线性方程组(即方程组存在真实解),则KA将收敛到方程组的解。若初始解x0属于AT的值域R(AT),KA收敛的解是方程组的最小二范数解。若方程组(1)是非一致线性方程组(即方程组不存在解),则KA最终只能收敛到一个区域,而不是某个特定解。基于投影调整的快速代数重建法在求解一致线性方程组的收敛性与KA相同,在非一致方程组情况下也不能收敛到某个特定解。
由于噪声及正则化的影响,在很多情况下基于代数重建法的CT图像重建问题被转化为非一致线性方程组求解问题。由于非一致线性方程组Ax=b无解,我们转而求该方程组均方误差||Ax-b||2最小的解,即最小二乘解。为此,本发明将非一致线性方程组的求解转化为两个一致线性方程组的求解,并利用基于投影调整的快速代数重建算法分别求解两个一致线性方程组,最终实现非一致线性方程组最小二乘解的精确求解与CT图像的快速重建。其理论依据与实施方法如下。
若方程组(1)为非一致线性方程组,则将方程组右边的向量b分解为互相垂直的两个分量:
其中,bR(A)为b在矩阵A的列空间或值域空间R(A)的投影分量,为b在矩阵AT的零空间N(AT)的投影分量。假设x*为非一致线性方程组的最小二乘解,则x*满足:
Ax*=bR(A) (16)
而实际是如下方程的解:
ATy=0 (17)
其中,y为M×1向量。方程组(16)与(17)都是一致线性方程组,都可以用基于投影调整的快速代数重建算法求精确解。因此我们可以以b作为y的初始解y0,先求出式(17)的解然后利用求出bR(A),最后再解方程组(16)求出最小二乘解x*。为加速求解过程,我们交互地迭代求解y与x。每次迭代的数学公式如下:
bk+1=b-yk+1 (19)
在算法起始收敛阶段,由式(20)迭代产生的xk+1实际上是收敛到方程组(21)的解而不是方程组(16)对应的最小二乘解x*。
Ax=bk+1 (21)
但是,随着yk+1逐渐收敛到bk+1将逐渐收敛到bR(A)。这样方程组(21)就变为了(16),因此xk最终仍可以收敛到与(16)对应的最小二乘解x*。但是在算法起始收敛阶段,xk的收敛方向可能偏离x*。
为进一步减小算法计算量与加快算法收敛速度,本发明将算法分为前期与后期两个阶段。在yk离距离较远的前期(或第一)阶段,我们只更新yk;在yk离距离较近时的后期(或第二)阶段,我们再分别更新yk与xk。由于该策略在算法前期阶段只更新yk而不需要更新xk,减小了计算量。同时,对于在算法开始阶段xk的收敛方向较严重偏离x*的情况,该策略还可以提高算法的收敛速度。
为了判断算法当前迭代属于第一还是第二收敛阶段,本发明采用式(22)定义的平方方程误差εk来描述yk的收敛程度:
上式中,将方程组的平方误差除以向量b的长度M是为了让这个定义可以适用于不同规模的场景。事先定义一个阈值εT,若当前迭代的方程组平方误差εk>εT,则认为算法当前属于第一阶段,只更新yk;若εk≤εT,则认为算法当前属于第二阶段,分别更新yk与xk。
本发明所提的适用于非一致线性方程组最小二乘解精确求解的两阶段投影调整快速代数重建算法的技术方案包括以下步骤:
步骤一:初始化:设定k=0,设定初始解x0,y0=b及d0,εT。
步骤二:迭代过程:重复以下步骤直到算法收敛:
1)k=k+1;
2)根据式(18)更新yk。
3)根据式(22)计算εk
4)如果εk≤εT,执行以下操作:
a)根据式(19)更新bk。
b)根据式(20)更新xk。
本发明提供一种基于两阶段投影调整的快速CT图像重建算法。相对于传统的代数重建方法(ART),该算法收敛速度快,能够精确求解非一致线性方程组的最小二乘解,可用于不完全投影情况下的快速CT图像重建。
附图说明
图1待重建的原始CT图像;
图2本发明算法的平方方程误差(dB)收敛曲线;
图3本发明算法重建的CT图像。
具体实施方式
下面将结合附图和一个平行波束CT图像重建例子的具体实施方式,对本发明进行进一步的说明。
待重建CT图像是一个100×100的二维图像(见附图图1),对应表示成10000×1的向量x*,A是6000×10000的系统矩阵,b=Ax*+e为6000×1的测量数据向量。e为零均值高斯白噪声向量,强度为b的5%。本例中M=6000,N=10000,属于不完全投影情况。为了重建高质量图像,还需要引入一些先验知识进行正则化。一种有效且广泛使用的正则化技术是全变分(Total variance,TV)正则化技术。
本发明提供一种类似全变分(TV)的正则化技术,正则化后CT图像重建问题转化为如下目标函数的最小化问题:
f(x)=||Ax-b||2+γ2||Rx||2 (23)
其中,γ为正则化系数。R=R1+R2为N×N矩阵。假设原100×100二维图像按列重排成N×1向量x*,令hr(i)表示原图像第i个像素右边相邻的像素下标,vb(i)表示第i个像素下方相邻的像素下标。矩阵R1的元素定义如下:
矩阵R2的元素定义如下:
上式中,mod(i,n)表示i除以n的余数。
最小化目标函数(23)等效于求如下非一致线性方程组的最小二乘解:
其中,
接下来采用本发明提出的基于两阶段投影调整的快速代数重建算法求解非一致线性方程组(26),重建CT图像。求解步骤如下:
步骤一:初始化:设定k=0,x0=0,d0=0,εT1=1。
步骤二:迭代过程。分为前期与后期两个收敛阶段:
1)由附图图2可知,k≤4时,εk>εT,处于第一收敛阶段。算法只根据式(18)更新yk,不更新xk。因此图中的平方方程误差曲线在前期维持不变。
k>4时,εk≤εT,进入第二收敛阶段。算法分别根据式(18)、(19)、(20)更新yk、bk与xk。到第8代时,算法已经收敛。本发明算法重建的CT图像如附图图3所示。
Claims (2)
1.一种基于两阶段投影调整的快速CT图像重建方法,该方法基于快速代数重建法求解非一致线性方程组Ax=b的最小二乘解;其中x即为待求的图像,为N×1向量,由对二维或三维图像按一维重新排列得到,x的每个元素xi对应原图像的一个像素;A是M×N系统矩阵,每个元素aij描述第j个像素对第i条射线的贡献;b为M×1测量数据向量,其第i个元素bi对应第i条射线的衰减;将非一致线性方程组Ax=b的求解转化为两个一致线性方程组的求解,并基于两阶段加速策略用快速代数重建法分别求解两个一致线性方程组;包含以下步骤:
步骤1:将向量b分解为互相垂直的两个分量:
其中,bR(A)为b在矩阵A的列空间或值域空间R(A)的投影分量,为b在矩阵AT的零空间N(AT)的投影分量;
步骤2:设x为非一致线性方程组的最小二乘解,则x满足:
Ax=bR(A);
则为如下方程的解:
ATy=0
先求解一致方程组ATy=0得到然后利用求出bR(A),最后再解一致方程组Ax=bR(A),求得的解x即为非一致线性方程组的最小二乘解;
步骤3:以b作为y的初始解y0,采用快速代数重建法交互地迭代求解两个一致线性方程组,最终收敛的x即为非一致线性方程组的最小二乘解;每次迭代的数学公式为:
yk+1=P(0,yk)
bk+1=b-yk+1
xk+1=P(bk+1,xk);
其中:k表示迭代数,P(0,yk)表示采用基于投影调整的快速代数重建法求解方程组ATy=0的迭代更新算子,P(bk+1,xk)表示采用基于投影调整的快速代数重建法求解方程组Ax=bk+1的迭代更新算子;
其特征在于,所述步骤3交互地迭代求解y与x的过程分为前期与后期两个阶段,其中前期阶段只更新yk;在后期阶段分别更新yk与xk。
2.如权利要求1所述的一种基于两阶段投影调整的快速CT图像重建方法,其特征在于采用当前迭代线性方程组ATy=0的平方方程误差εk来划分前期与后期阶段,εk的计算公式为:
根据经验事先设定阈值εT,若当前迭代的方程组平方误差εk>εT,则认为算法当前属于前期阶段;若εk≤εT,则认为算法当前属于后期阶段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511005063.7A CN105608719B (zh) | 2015-12-28 | 2015-12-28 | 一种基于两阶段投影调整的快速ct图像重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511005063.7A CN105608719B (zh) | 2015-12-28 | 2015-12-28 | 一种基于两阶段投影调整的快速ct图像重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105608719A CN105608719A (zh) | 2016-05-25 |
CN105608719B true CN105608719B (zh) | 2018-08-21 |
Family
ID=55988634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511005063.7A Expired - Fee Related CN105608719B (zh) | 2015-12-28 | 2015-12-28 | 一种基于两阶段投影调整的快速ct图像重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105608719B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765509B (zh) * | 2018-05-22 | 2020-08-14 | 西南交通大学 | 一种用于线性成像系统的快速图像重建方法 |
CN109447913B (zh) * | 2018-10-18 | 2021-10-08 | 西南交通大学 | 一种应用于不完备数据成像的快速图像重建方法 |
CN115619890B (zh) * | 2022-12-05 | 2023-04-07 | 山东省计算中心(国家超级计算济南中心) | 基于并行随机迭代求解线性方程组的断层成像方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413338A (zh) * | 2013-05-29 | 2013-11-27 | 中国工程物理研究院流体物理研究所 | 一种基于广义变分最小化的少量投影ct图像重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2868277B1 (en) * | 2013-11-04 | 2017-03-01 | Surgivisio | Method for reconstructing a 3d image from 2d x-ray images |
-
2015
- 2015-12-28 CN CN201511005063.7A patent/CN105608719B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413338A (zh) * | 2013-05-29 | 2013-11-27 | 中国工程物理研究院流体物理研究所 | 一种基于广义变分最小化的少量投影ct图像重建方法 |
Non-Patent Citations (2)
Title |
---|
CT不完全投影数据重建算法研究;郭威;《中国博士学位论文全文数据库 信息科技辑》;20120515(第5期);摘要,正文第26页第3-4段,第30页第2段,第57页第2段 * |
Extended Kaczmarz algorithm with projection adjustment;Chuan Lin 等;《Numerical Electromagnetic and Multiphysics Modeling and Optimization》;20150814;摘要,正文第4节,第5节,图2,图3 * |
Also Published As
Publication number | Publication date |
---|---|
CN105608719A (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019128660A1 (zh) | 训练神经网络的方法和设备、图像处理方法和设备以及存储介质 | |
US8971599B2 (en) | Tomographic iterative reconstruction | |
CN106846430B (zh) | 一种图像重建方法 | |
CN105608719B (zh) | 一种基于两阶段投影调整的快速ct图像重建方法 | |
CN110139046B (zh) | 一种基于张量的视频帧合成方法 | |
CN110060315B (zh) | 一种基于人工智能的图像运动伪影消除方法及系统 | |
Li et al. | Reconstruction of heterogeneous materials via stochastic optimization of limited-angle X-ray tomographic projections | |
Li et al. | Transmission-less attenuation estimation from time-of-flight PET histo-images using consistency equations | |
CN112184547B (zh) | 红外图像的超分辨率方法及计算机可读存储介质 | |
Li et al. | Sparse CT reconstruction based on multi-direction anisotropic total variation (MDATV) | |
CN111899314A (zh) | 一种鲁棒的基于低秩张量分解和总变分正则化的cbct重建方法 | |
JP2003529423A (ja) | トモグラフィー用高速階層的再投影アルゴリズム | |
Kadu et al. | A convex formulation for binary tomography | |
CN105590332A (zh) | 一种应用于ct成像的快速代数重建方法 | |
Preuhs et al. | Fast epipolar consistency without the need for pseudo matrix inverses | |
CN104459695B (zh) | 基于压缩相位恢复的稀疏微波成像方法 | |
CN107808403A (zh) | 一种基于稀疏字典的相机标定方法 | |
Song et al. | Super-resolution PET using a very deep convolutional neural network | |
Yang et al. | Cycle-consistent learning-based hybrid iterative reconstruction for whole-body PET imaging | |
KR101531755B1 (ko) | 패치 기반 최소 랭크 정규화를 이용한 영상 재구성 방법 및 장치 | |
CN108765509B (zh) | 一种用于线性成像系统的快速图像重建方法 | |
CN110060314B (zh) | 一种基于人工智能的ct迭代重建加速方法及系统 | |
CN110264536B (zh) | 一种在平行束超分重建中计算高低分辨率投影关系的方法 | |
CN104777329B (zh) | 一种用于粒子图像测速三维粒子场重构的线性规划算法 | |
Kim et al. | Unified Framework to Construct Fast Row-Action-Type Iterative CT Reconstruction Methods with Total Variation Using Multi Proximal Splitting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20180821 Termination date: 20201228 |