CN106033598A - 一种用于消除散射辐射影响的数字滤线栅成像方法 - Google Patents

Abstract

本发明公开了一种用于消除散射辐射影响的数字滤线栅成像方法，包括如下步骤：S1，利用感兴趣区域的数据，计算出自适应的对数曲线，对图像亮度进行校正；S2，对进行亮度校正的图像做反白处理；S3，对反白处理后的图像进行虚拟滤线栅处理，得到输出图像。本发明可以改善对于厚体位图像质量不佳的问题，同时有效解决在实际使用过程中效果不稳定的问题，大大提高了稳定性以及图像质量，在降低病人辐射剂量水平的情况下，保证诊断质量。

Description

一种用于消除散射辐射影响的数字滤线栅成像方法

技术领域

本发明涉及一种数字滤线栅成像方法，尤其涉及一种用于消除散射辐射影响的数字滤线栅成像方法，属于医学影像技术领域。

背景技术

包括X射线、伽马射线在内的高能射线具有很强的穿透力，能穿透过很多对可见光不透明的物质。利用这种穿透力，这些高能射线可以被用来帮助人们进行医学诊断和治疗以及工业上非破坏性的材料检查。

利用高能射线检测物体时，在成像过程中难以避免地产生大量的散射线。这些散射线会对图像的清晰度及信噪比带来不利影响。以目前使用最广泛的X射线为例，为了解决X射线在成像过程中产生的散射线影响，现有技术中往往使用数学模型(或软件工具)对所获得的图像数据进行抗散射处理，以改善图像质量。这方面典型的解决方案包括ChristiaanFivez等人发表的论文《Multi－resolution contrast amplification in digital radiography with compensation for scattered radiation》(Image Processing，1996.Proceedings.，International Conference on(Volume：1))和中国发明专利ZL200610114533.8所公开的虚拟滤线栅技术等。

在X射线成像装置中，虚拟滤线栅技术的工作原理是对直射线和散射线进行全息采集，再通过数学模型对直射线和散射线的贡献进行分割，抑制散射线并提升直射线的权重。在虚拟滤线栅技术中，对到达探测器面的散射线不做滤过，而是全部采样散射线和直射线数据，然后对采样后的数据进行散射线分量的分离和抑制，达到消除所成影像中散射线分量的目的。

但是，现有的虚拟滤线栅技术仍然存在如下缺陷：

1)由于虚拟滤线栅对到达探测器面的散射线不做滤过，全部采样散射线和直射线数据，对于厚体位摄影这种散射线比重很大的情况下，直射线的微小细节在到达探测器时已经被大量的散射线“淹没”，这样 通过虚拟滤线栅技术就无法复原出这些微小细节，不能满足这种厚体位应用的诊断要求。

2)过增强，噪声偏大，图像中强烈边缘(比如金属边缘)存在光晕现象。

3)在没有AEC(Automatic Exposure Control，自动曝光控制)的情况下，图像效果不稳定。

发明内容

针对现有技术的不足，本发明所要解决的技术问题在于提供一种用于消除散射辐射影响的数字滤线栅成像方法。

为实现上述的发明目的，本发明采用下述的技术方案：

一种用于消除散射辐射影响的数字滤线栅成像方法，包括如下步骤：

S1，利用感兴趣区域的数据，计算出自适应的对数曲线，对图像亮度进行校正；

S2，对进行亮度校正的图像做反白处理；

S3，对反白处理后的图像进行虚拟滤线栅处理，得到输出图像。

其中较优地，在步骤S1中，对所述图像亮度进行校正之前，还包括如下步骤：

根据探测器的成像特点，对感兴趣区域进行提取。

其中较优地，在X射线探测器采集多帧图像之后，所述对感兴趣区域进行提取包括如下步骤：

S01，对图像的所有行数据进行叠加降噪，将第一个和最后一个最大跳变的两个点的位置，分别作为限束器投影的左右边界进行存储；

S02，对图像的所有列数据进行叠加降噪，将第一个和最后一个最大跳变的两个点的位置，分别作为限束器投影的上下边界进行存储；

S03，根据限束器投影的4条边界，确定感兴趣区，进而获取感兴趣区域的数据。

其中较优地，在步骤S1中，所述对图像亮度进行校正包括如下步骤：

S11，根据公式：Lout1＝(Lw－Lwmin)/(1－Lwmin)对输入亮度进行初步处理；

其中，Lout1是输出亮度，Lw是输入亮度，Lwmin是ROI图像的 最小亮度值；

S12，根据初步处理结果计算出最终的输出亮度Lout2；计算公式如下： $\mathrm{Lout}2=\frac{1}{{\log }_{10}(L_{w\max }+1)}\×\frac{\log (\mathrm{Lout}1+1)}{\log (2+8\×{\left(\frac{\mathrm{Lout}1}{L_{w\max }}\right)}^{0.85})};$

其中，Lwmax是ROI图像的最大亮度值与平均值之比。

其中较优地，在步骤S2中，对图像进行反白处理之前，还包括如下步骤：

图像进行亮度校正后，预先对所述图像进行保留细节的降噪处理。

其中较优地，在步骤S3中，所述对反白处理后的图像进行虚拟滤线栅处理包括如下步骤：

S31，对反白处理后的图像按频率分解成从高到低多频段图像；

S32，对于低频段图像，利用公式：C_k(x，y)＝Gain(L_R(x，y)，k)×L_k(x，y)进行去散射处理；

其中，Gain(L_k(x，y)，k)∈[0，1]是图像亮度和频段的函数，C_k(x，y)是处理后的低频段图像，L_k(x，y)是步骤中分解获得的低频段图像，K为正整数；

S33，对于高频段图像，利用公式：E_k(x，y)＝Sigm(L_k(x，y)，k)×L_k(x，y)进行对比度增强处理；

其中，Sigm(L_k(x，y)，k)＞1是双S型非线性放大函数，与像素点的对比度反向相关，E_k(x，y)是处理后的高频段图像，L_k(x，y)是步骤中分解获得的高频段图像，K为正整数；

S34，将去散射和对比度增强处理后的各频段图像合并，形成输出图像。

其中较优地，在所述步骤S3中，采用GPU并行算法对所述反白处理后的图像进行分解、处理、合并。

其中较优地，在步骤S31中，对所述反白处理后的图像采用拉普拉斯金字塔分解的方法或者小波变换方法进行分解。

其中较优地，在步骤S31中，对所述反白处理后的图像进行分解，图像分解的最大层数n与图像大小N的关系为：n＝log(N)/log(2)-0.5。

其中较优地，所述用于消除散射辐射影响的数字滤线栅成像方法，还包括如下步骤：

S4，对输出图像进行灰度归一化调整，得到最终的输出图像。

本发明所提供的用于消除散射辐射影响的数字滤线栅成像方法，通过计算出自适应的对数曲线，对图像亮度进行调整，改善射线硬化的影响，特别是对于厚体位图像，能有效地提高厚体图像的质量；除此之外，对图像进行虚拟滤线栅处理之前的反白处理能有效地降低图像低频信号的削弱，提高最终的输出图像的质量，提高图像的稳定性。

附图说明

图1为本发明所提供的用于消除散射辐射影响的数字滤线栅成像方法的整体流程图；

图2为本发明所提供的数字滤线栅方法中，进行虚拟滤线栅处理的流程图。

具体实施方式

下面结合附图和具体实施例对本发明的技术内容作进一步的详细说明。

如图1所示，本发明提供的用于消除散射辐射影响的数字滤线栅成像方法，具体包括如下步骤：首先，利用感兴趣区域(Region of Interest，简称ROI)的数据，计算出自适应的对数(LOG)曲线，对图像亮度进行调整，改善射线硬化的影响，特别是对于厚体位图像；然后，对获取的图像根据公式：F(x，y)＝1－F(x，y)做反白处理；最后，对反白处理后的图像进行拉普拉斯金字塔分解，对各层进行增强和去散射处理，合并得到输出图像。本发明提供的用于消除散射辐射影响的数字滤线栅成像方法可以改善对于现有的虚拟滤线栅技术中厚体位图像质量不佳的问题，同时有效解决在实际使用过程中效果不稳定的问题，大大提高了稳定性以及图像质量，在降低病人辐射剂量水平的情况下，保证医疗诊断质量。下面对这一过程做详细具体的说明。

S1，利用感兴趣区域的数据，计算出自适应的对数曲线，对图像亮度进行校正，改善射线硬化的影响，特别是对于厚体位图像。

在对图片亮度进行校正之前，先对ROI(Region Of Interest)感兴趣区进行自动提取。在X射线成像系统中，通常使用限束器来遮 挡多余部分的X射线投照，这样在探测器成像时，只有中心部分区域感光，需要把感光区域识别出来，以利于下一步的准确计算。

在本发明所提供的实施例中，在X射线探测器采集多帧图像之后，对感兴趣区域进行自动提取具体包括如下步骤：

S02，对图像的所有行数据进行叠加降噪，将第一个和最后一个最大跳变的两个点的位置，分别作为限束器投影的左右边界进行存储。

S03，对图像的所有列数据进行叠加降噪，将第一个和最后一个最大跳变的两个点的位置，分别作为限束器投影的上下边界进行存储。

S04，根据限束器投影的4条边界，确定感兴趣区，进而获取感兴趣区域的数据。

在提取限束器投影的4条边界时，也可以采用hough变换来检测，或者对于影增的X射线图像来说，把圆检测出来，但这种方法计算复杂度高，没有直接一维检测边界简单。

利用感兴趣区域的数据，计算出自适应的对数曲线，对图像亮度进行校正，改善射线硬化的影响，特别是对于厚体位图像。同时，自动曝光摄影(AEC)是通过探测器感光识别及控制，医生只需要根据被照体的厚度、生理及病理特征给定合适千伏，系统就能准确地自动控制X射线剂量获得适当的感光量，保证优秀的影像效果。对于没有AEC的X射线成像系统，曝光量的准确性无法保证稳定，利用自适应的对数曲线调整，可以弥补没有AEC的问题，稳定图像的整体亮度，也稳定了后续虚拟滤线栅处理的图像效果。具体包括如下步骤：

S11，根据公式：Lout1＝(Lw－Lwmin)/(1－Lwmin)对输入亮度进行初步处理；其中，Lout1是输出亮度，Lw是输入亮度，Lwmin是ROI图像的最小亮度值。

S12，根据初步处理结果计算出自适应的对数曲线Lout2，即得到最终的输出亮度。计算公式如下： $\mathrm{Lout}2=\frac{1}{{\log }_{10}(L_{w\max }+1)}\×\frac{\log (\mathrm{Lout}1+1)}{\log (2+8\×{\left(\frac{\mathrm{Lout}1}{L_{w\max }}\right)}^{0.85})}.$

其中，Lwmax是ROI图像的最大亮度值与平均值之比。

S2，对进行亮度校正的图像根据公式：F(x，y)＝1－F(x，y)做反白处理。

图像进行亮度校正后，暗区即厚体位部分的对比度改善了，同时暗区的噪声也相应的放大了；另外在虚拟滤线栅处理时，有增强处理， 也会把噪声放大；所以在本发明所提供的实施例中，在对进行亮度校正的图像做反白处理之前，预先做保留细节的降噪处理。降噪方法很多，例如：高斯降噪、susan降噪等等。

进行降噪处理之后，对图像根据公式：F(x，y)＝1－F(x，y)做反白处理。其中，F(x，y)为经过亮度校正处理后的X射线图像。因为在虚拟滤线栅处理时，会削弱图像的低频信号，造成图像变暗，不利于厚体位部分的细节展示，所以先对图像根据公式：F(x，y)＝1－F(x，y)做反白处理。

S3，对反白处理后的图像进行拉普拉斯金字塔分解，对各层进行增强和去散射处理，合并处理结果得到输出图像。

对进行亮度校正的图像做反白处理后，采用虚拟滤线栅处理得到输出图像。虚拟滤线栅处理是基于对以下模型的认识：

1.“散射雾”图形退化模型：

g(x，y)＝f(x，y)+s(x，y)+n(x，y) (1)

其中，g(x，y)是X射线图像，f(x，y)是直射所产生的图像，s(x，y)是散射辐射所产生的图像，n(x，y)是量子噪声。从这一模型可以看出，X射线图像是在直射图像上加入了“散射雾”图像和量子噪声。

经过研究，其中的散射图像可以用高斯低通滤波后的直射图像来近似表示：

s(x，y)≈A*f(x，y)*G_δ(x，y) (2)

G_δ(x，y)是标准方差为δ的高斯卷积核，A是增益，与待检物体的厚度和密度成正比关系。

2.图像多频段模型

图像多频段模型的含义是：X射线图像是由从高到低不同的频率层重叠而成。

根据以上两个模型，如图2中介绍的虚拟滤线栅处理的流程图所示，本发明采用拉普拉斯金字塔分解的方法将经过反白处理的X射线输入图像分解成多尺度下的图像，也就是依次按频率从高到低的多频段图像，并分别对低频段的图像作不同程度的去散射处理，对高频段的图像作不同程度对比度增强处理，然后将处理后的每一尺度下的图 像进行合并，取得复原后图像输出。

具体而言，对进行亮度校正的图像做反白处理后，采用虚拟滤线栅处理得到输出图像具体包括如下步骤：

S31，对反白处理后的图像按频率分解成从高到低多频段图像。

对反白处理后的X射线图像分解采用拉普拉斯金字塔分解的方法，首先将输入图像g₀经高斯低通滤波并间隔采样得到分辨率减半的图像g₁：

g_k+1(x，y)＝[g_k(x，y*G_δ(x，y))](2x，2y) (3)

其中，G_δ(x，y)是标准方差为δ的高斯卷积核，K为正整数。在本发明所提供的实施例中，取δ＝1，卷积核大小取5*5，但显然该卷积核也可以取别的数值。

然后，将取得的g₁作增频采样以恢复原始图像大小，増频采样就是在采样点之间插入零的过程：

$g_{k+1}^{\′}(x,y)=\left\{\begin{array}{cc}{g}_{k+1}(x/2,y/2)& x,y=\mathrm{0,2,4}\·\·\·\\ 0& x,y=\mathrm{1,3,5}\·\·\·\end{array}\right.---\left(4\right)$

増频采样后的图像作高斯卷积内插，再与原始图像相减得到第一层的差分图像L₀：

L_k(x，y)＝g_k(x，y)-[g_k+1(x，y)*G_σ(x，y)(x，y) (5)

上述的图像分解过程在间隔采样后的图像上迭代进行，经过n次迭代得到一组L_k(x，y)，对最终的低频图像g_{n － 1}(x，y)不作差分处理，L_{n － 1}(x，y)＝g_{n － 1}(x，y)。此处的L_k(x，y)系列图像称为拉普拉斯图像金字塔。该图像金字塔的最大层数n(即图像分解的次数)与图像大小N有关：

n＝log(N)/log(2)-0.5 (6)

输入图像分解成拉普拉斯图像金字塔后，其每一层图像是针对不同频段的图像，其中L₀是最高频段的分解图像，L_{n － 1}(x，y)是最低频段的分解图像。在本发明所提供的实施例中，图像分解的层数推荐取4～8，太少则消除散射辐射影响的目的难以实现，太多则运算过程过于复杂，难以使用。在图2所示的实施例中，以图像分解成8层为例来说明。

S32，对于低频段图像，利用公式：C_k(x，y)＝Gain(L_k(x，y)，k)×L_k(x，y)进行去散射处理。

根据前面介绍的X射线噪声的特点，在本发明所提供的实施例中，将针对不同频段的图像分别做不同的处理。对于低频段图像L₇、L₆、L₅和L₄，它们是图像中缓慢变化的分量，图像的散射分量主要分布于其中，削弱这部分分量就可以达到去除散射线的目的。因此L₇到L₄削弱的程度依次减小。具体点实现方式如下式：

C_k(x，y)＝Gain(L_k(x，y)，k)×L_k(x，y) (7)

其中，Gain(L_k(x，y)，k)∈[0，1]是图像亮度和频段的函数。亮度越低，其值越小，频段越低，其值也越小。

将L₇、L₆、L₅和L₄做上述处理，得到相应的C₇、C₆、C₅和C₄。

从上面的散射分量削弱过程也可以看出，图像亮度越小的区域，削弱的程度越大，因为低剂量成像区域，散射线越多。

S33，对于高频段图像，利用公式：E_k(x，y)＝Sigm(L_k(x，y)，k)×L_k(x，y)进行对比度增强处理。

由于在成像过程中存在散射线的影响，降低了图像的对比度，会使图像的细节模糊。为了使图像细节清晰，需要对图像作增强处理，以提高图像的对比度。对此可用如下公式实现：

E_k(x，y)＝Sigm(L_k(x，y)，k)×L_k(x，y) (8)

其中，Sigm(L_k(x，y)，k)＞1是双S型非线性放大函数，双S型非线性放大函数可以抑制图像边缘的过增强。对于对比度小的像素点，它代表图像的细节，因此所需要的放大倍数大。对于对比度大的像素点，它代表图像的边缘，因此所需要的放大倍数小，以避免图像的过增强。另外，由于图像的细节主要位于高频段，因此高频段图像的放大倍数要大于中频段图像的放大倍数。

按照上述的公式，将L₀、L₁、L₂和L₃作增强处理，得到相应的C₀、C₁、C₂和C₃。

S34，将去散射和对比度增强处理后的各频段图像合并，形成输出 图像。

图像合并过程就是将上述分别进行去散射线处理和增强处理的不同频段图像重新进行合并，生成新的X射线图像。这一过程的具体步骤是：

将R₇按照公式(4)进行插值増频采样，使图像大小扩展一倍，得到R′_k+1(x，y)。然后，进行高斯卷积内插，与C₆叠加，取得R₆：

R_k(x，y)＝C_k(x，y)+[R_k+1(x，y)*G_σ(x，y)](x，y) (9)

按照这一方法逐层向上作相同处理，就可以得到原始图像大小的处理后图像。

在本发明所提供的实施例中，对反白处理后的图像进行拉普拉斯金字塔分解、对各层进行增强和去散射处理、合并处理结果得到输出图像的各个过程均采用GPU并行算法，利用移动GPU分担了现有计算机系统的图像处理工作，通过GPU并行处理机制对反白处理后的图像进行分解、处理、合并，从而提高了图像的处理效率。

上面对反白处理后的图像进行虚拟滤线栅处理的实施例进行了说明。在该实施例中，对经过反白处理的X射线图像采用基于高斯金字塔分解的拉普拉斯金字塔算法进行分解。但显然经过反白处理的X射线图像也可以采用其它的分解方法，例如使用直接抽样金字塔算法进行分解，也可以使用小波变换方法进行图像的分解。对此，可以进一步参考章毓晋编著的《图像工程(上册)—图像处理(第2版)》(ISBN7－302－12445－0/TN·301)，尤其是其中的第14章“多尺度图像技术”，在此就不一一赘述了。

使用本发明所提供的方法，无论使用哪一种具体的图像分解算法，去除散射线影响的过程都与上述实施例中描述的过程一样，并可获得大致一致的结果。

S4，对输出图像进行灰度归一化调整，得到最终的输出图像。

图像进行虚拟滤线栅处理后，因为去散射的处理，图像的灰度范围被压缩了，为了更佳的图像显示，对输出图像进行灰度归一化调整，得到最终的输出图像。

综上所述，本发明所提供的用于消除散射辐射影响的数字滤线栅成 像方法，利用感兴趣区域的数据，计算出自适应的对数曲线，对图像亮度进行调整，改善射线硬化的影响，特别是对于厚体位图像，能有效地提高厚体图像的质量；除此之外，对图像进行虚拟滤线栅处理之前的反白处理能有效地降低图像低频信号的削弱，提高最终的输出图像的质量，提高图像的稳定性。在低频段图像的去散射处理过程和高频段图像的对比度增强处理过程进行GPU并行处理，提高了运算速度，进而大大提高了图像处理的效率。

上面对本发明所提供的用于消除散射辐射影响的数字滤线栅成像方法进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (10)

1.一种用于消除散射辐射影响的数字滤线栅成像方法，其特征在于包括如下步骤：

S1，利用感兴趣区域的数据，计算出自适应的对数曲线，对图像亮度进行校正；

S2，对进行亮度校正的图像做反白处理；

S3，对反白处理后的图像进行虚拟滤线栅处理，得到输出图像。

2.如权利要求1所述的数字滤线栅成像方法，其特征在于在步骤S1中，对图像亮度进行校正之前，还包括如下步骤：

根据探测器的成像特点，对感兴趣区域进行提取。

3.如权利要求2所述的数字滤线栅成像方法，其特征在于在X射线探测器采集多帧图像之后，所述对感兴趣区域进行提取包括如下步骤：

S01，对图像的所有行数据进行叠加降噪，将第一个和最后一个最大跳变的两个点的位置，分别作为限束器投影的左右边界进行存储；

S02，对图像的所有列数据进行叠加降噪，将第一个和最后一个最大跳变的两个点的位置，分别作为限束器投影的上下边界进行存储；

S03，根据限束器投影的4条边界，确定感兴趣区，进而获取感兴趣区域的数据。

4.如权利要求1所述的数字滤线栅成像方法，其特征在于在步骤S1中，所述对图像亮度进行校正包括如下步骤：

S11，根据公式：Lout1＝(Lw－Lwmin)/(1－Lwmin)对输入亮度进行初步处理；

其中，Lout1是输出亮度，Lw是输入亮度，Lwmin是ROI图像的最小亮度值；

S12，根据初步处理结果计算出最终的输出亮度Lout2；计算公式如下：

其中，Lwmax是ROI图像的最大亮度值与平均值之比。

5.如权利要求1所述的数字滤线栅成像方法，其特征在于在步骤 S2中，对图像进行反白处理之前，还包括如下步骤：

图像进行亮度校正后，预先对所述图像进行保留细节的降噪处理。

6.如权利要求1所述的数字滤线栅成像方法，其特征在于在步骤S3中，所述对反白处理后的图像进行虚拟滤线栅处理包括如下步骤：

S31，对反白处理后的图像按频率分解成从高到低多频段图像；

S32，对于低频段图像，利用公式：C_k(x，y)＝Gain(L_k(x，y)，k)×L_k(x，y)进行去散射处理；

其中，Gain(L_k(x，y)，k)∈[0，1]是图像亮度和频段的函数，C_k(x，y)是处理后的低频段图像，L_k(x，y)是步骤中分解获得的低频段图像，K为正整数；

S33，对于高频段图像，利用公式：E_k(x，y)＝Sigm(L_k(x，y)，k)×L_k(x，y)进行对比度增强处理；

其中，Sigm(L_k(x，y)，k)＞1是双S型非线性放大函数，与像素点的对比度反向相关，E_k(x，y)是处理后的高频段图像，L_k(x，y)是步骤中分解获得的高频段图像，K为正整数；

S34，将去散射和对比度增强处理后的各频段图像合并，形成输出图像。

7.如权利要求1或6所述的数字滤线栅成像方法，其特征在于：

在所述步骤S3中，采用GPU并行算法对所述反白处理后的图像进行分解、处理、合并。

8.如权利要求6所述的数字滤线栅成像方法，其特征在于：

在步骤S31中，对所述反白处理后的图像采用拉普拉斯金字塔分解的方法或者小波变换方法进行分解。

9.如权利要求1、6、或8所述的数字滤线栅成像方法，其特征在于：

在步骤S31中，对所述反白处理后的图像进行分解，图像分解的最大层数n与图像大小N的关系为：n＝log(N)/log(2)-0.5。

10.如权利要求1所述的数字滤线栅成像方法，其特征在于还包括 如下步骤：

S4，对输出图像进行灰度归一化调整，得到最终的输出图像。