CN106920267B - 基于对称权重场和旋转重建点的快速重建图像方法和装置 - Google Patents
基于对称权重场和旋转重建点的快速重建图像方法和装置 Download PDFInfo
- Publication number
- CN106920267B CN106920267B CN201710110556.XA CN201710110556A CN106920267B CN 106920267 B CN106920267 B CN 106920267B CN 201710110556 A CN201710110556 A CN 201710110556A CN 106920267 B CN106920267 B CN 106920267B
- Authority
- CN
- China
- Prior art keywords
- reconstruction
- discretization
- projection
- image
- model
- 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
Images
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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于对称权重场和旋转重建点的快速重建图像方法和装置,所述方法包括:建立图像重建几何模型,包括基于射线追踪的投影模型和基于重建点追踪的反投影模型;建立图像重建几何模型的权重场,给出图像重建几何模型的对称结构,结合扫描模式的旋转重建点离散化模型,将正演过程和反演过程归结为投影平面上的插值采样过程;图像重建离散化几何模型的对称结构性质:不同的投影角度下的正演过程和反演过程的具有相同的计算,简化计算提高重建速度;基于对称权重场和旋转重建点,建立图像重建快速方法。采用本发明的方案,实现计算机断层技术的快速重建,可以为医学CT、工业无损检测和地质勘探等应用领域更快地重建出高精度图像。
Description
技术领域
本发明涉及计算机断层重建与无损检测领域,特别是涉及一种基于对称权重场和旋转重建点的快速重建图像方法和装置。
背景技术
计算机断层成像技术(Computerized Tomography,CT)是众多科学与工业应用领域内重要的研究手段和应用技术,在理论上归结为由投影重建物体密度的分布图像的问题。图像重建有两类基本方法:解析算法和代数迭代算法。解析算法是基于Radon变换反演的闭合公式,要求投影数据完备。代数迭代算法将图像重建问题转化为线性方程组求解问题,能够处理不完备数据问题,并且有较大的算法构造空间。图像重建算法的实现建立在离散化模型基础上,离散化模型建立了离散图像空间和离散投影数据空间之间的关联关系。但是,因投影数据量大、投影和反投影的计算量大,现有技术的图像重建算法的重建速度较慢,无法满足某些特定应用场景的需求。
发明内容
本发明的目的在于提供一种基于对称权重场和旋转重建点的快速重建图像方法来满足现有图像重建技术中对由投影数据快速迭代重建图像的需求。
为实现上述目的,本发明提供一种基于对称权重场和旋转重建点的快速重建图像方法,所述方法包括:
建立图像重建离散化几何模型,包括基于射线追踪的投影模型和基于重建点追踪的反投影模型;
建立所述图像重建离散化几何模型的权重场,所述权重场描述图像空间和投影数据空间之间的正演和反演关系;
将所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样过程;
利用所述正演过程和反演过程在投影平面上的插值采样具有相同的计算方式,重建图像。
进一步地,所述图像空间和投影数据空间之间的正演过程为:
相应的,所述图像空间和投影数据空间之间的反演过程为:
进一步地,所述将所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样问题,具体包括:
旋转重建点离散化模型对应的正演模型的离散化转化为径向重建点在投影平面上的插值采样投影数据;
旋转重建点离散化模型对应的反演模型的离散化转化为离散投影数据在投影平面上的插值采样过程。
进一步地,所述正演模型的离散化具体为:
相应的,所述反演模型的离散化具体为:
进一步地,所述利用所述正演过程和反演过程在投影平面上的插值采样具有相同的计算方式,重建图像,具体包括:
利用所述正演过程和反演过程在投影平面上的插值采样重建点具有相同的计算方式,构建滤波反投影图像重建算法或代数迭代图像重建算法,进行图像重建。
本发明还提供一种基于对称权重场和旋转重建点的快速重建图像的装置,所述装置包括:
第一构建模块,用于建立图像重建离散化几何模型,包括基于射线追踪的投影模型和基于重建点追踪的反投影模型;
第二构建模块,用于建立所述图像重建离散化几何模型的权重场,所述权重场描述图像空间和投影数据空间之间的正演和反演关系;
转化模块,用于将所述第二构建模块中所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样过程;
重建模块,用于利用所述转化模块得到所述正演过程和反演过程在投影平面上的插值采样过程具有相同的计算方式,重建图像。
进一步地,所述第二构建模块建立的权重场,描述的图像空间和投影数据空间之间的正演过程为:
相应的,所述第二构建模块建立的权重场,描述的所述图像空间和投影数据空间之间的反演过程为:
进一步地,所述转化模块具体包括:
旋转重建点离散化模型对应的正演模型的离散化转化为径向重建点在投影平面上的插值采样投影数据;
旋转重建点离散化模型对应的反演模型的离散化转化为离散投影数据在投影平面上的插值采样重建点。
进一步地,所述正演模型的离散化具体为:
相应的,所述反演模型的离散化具体为:
进一步地,所述重建模块具体包括构建单元和重建单元:
构建单元,用于利用所述正演过程和反演过程在投影平面上的插值采样重建点具有相同的计算方式,构建滤波反投影图像重建算法或代数迭代图像重建算法;
重建单元,用于根据所述重建单元构建的滤波反投影图像重建算法或代数迭代图像重建算法进行图像重建。
本发明基于对称权重场和旋转重建点建立快速图像重建方法,实现重建算法的加速的同时,一定程度上提高重建质量。利用对称权重场计算投影和反投影的计算来加速算法,提高重建速度。本发明建立对称权重场和旋转重建点,由旋转重建点生成离散投影数据的正演模型,将正演过程归结为径向重建点在投影平面上的的插值采样问题。建立重建点离散化模型的几何对称性质,基于对称权重场和旋转重建点,建立由离散投影数据重建离散重建点的快速方法。通过采用本发明提供的对称权重场和旋转重建点的图像重建快速方法,实现计算机断层技术的快速重建,可以为医学CT、工业无损检测和地质勘探等应用领域更快地重建出质量更好的图像。
附图说明
图1是本发明第一实施例中基于对称权重场和旋转重建点的快速重建图像方法的流程示意图。
图2是本发明第一实施例中图像重建几何模型的示意图。
图3是本发明第一实施例中旋转重建点模型的示意图。
图4是本发明第二实施例中基于对称权重场和旋转重建点的快速重建图像装置结构示意图。
具体实施方式
在附图中,使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。
在本发明的描述中,术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。
实施例一
如图1所示,本实施例所提供的基于对称权重场和旋转重建点重建图像的方法包括:
步骤101:建立图像重建离散化几何模型,包括基于射线追踪的投影离散化模型和基于重建点追踪的反投影离散化模型。其中:基于射线追踪的投影离散化模型指投影射线对应的投影过程的离散化计算,基于重建点追踪的反投影离散化模型指重建点对应的反投影过程的离散化计算。
在旋转重建点离散化模型中,图像是极坐标下离散化的图像,投影数据是离散化采集获得。
旋转重建点离散化模型如图3所示,旋转重建点具有旋转对称性。旋转重建点的离散形式为:
nθ=0,1,…,Nθ-1,kr=0,1,…,Kr-1
其中:nθ表示离散的角度标号,Nθ表示总的角度离散数,kr表示离散的径向标号,Kr表示总的径向离散数。
离散投影数据的形式为:
本发明所提供的图像重建算法的实现建立在离散化模型基础上,基于射线追踪的投影离散化模型是根据旋转重建点离散化模型建立离散投影数据的过程,也就是说,投影离散化模型建立了离散图像空间到离散投影数据空间的投影表示。基于重建点追踪的反投影离散化模型是根据离散投影数据建立旋转重建点离散化模型的过程,也就是说,反投影离散化模型建立了离散投影数据空间到离散图像空间的反投影表示。
步骤102:建立图像重建离散化几何模型的权重场,权重场描述图像空间和投影数据空间之间的正演和反演关系,建立投影模型和反投影模型的表示。
投影权重场描述正演过程,反投影权重场描述反演过程,投影模型和反投影模型的建立过程具体如下:
正演过程归结为径向重建点在投影平面上的插值采样投影数据:
反演过程归结为离散投影数据在投影平面上的插值采样重建点的问题,反演过程为:
经过分析,重建点的旋转对应投影射线的旋转,且旋转角度相同。图像重建几何模型具有对称结构,也就是说权重场具有更一般的对称性,即旋转对称性:
步骤103:将图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样重建点。
具体的,旋转重建点离散化模型对应的正演模型的离散化转化为径向重建点,“径向重建点”是图3中在一条经过原点的直线上的点。在投影平面上的插值采样投影数据,即的离散化。将旋转重建点离散化模型对应的反演模型的离散化归结为离散投影数据在投影平面上的插值采样重建点,即的离散化。
本发明实施例中,图像重建离散化几何模型:结合扫描模式的旋转重建点离散化模型,将正演过程和反演过程归结为投影平面上的插值采样问题。旋转重建点离散化模型对应的正演模型的离散化归结为径向重建点在投影平面上的插值采样投影数据的问题,将离散后的形式为:
本发明实施例中,图像重建离散化几何模型:结合扫描模式的旋转重建点离散化模型,将正演过程和反演过程归结为投影平面上的插值采样问题。旋转重建点离散化模型对应的反演模型的离散化归结为离散投影数据在投影平面上的插值采样重建点的问题,将离散后的形式为:
步骤104:利用不同投影角度下的正演过程或反演过程具有相同的计算方式,重建图像。
本发明实施例中,图像重建离散化几何模型具有对称结构性质:不同的投影角度下的正演过程和反演过程的具有相同的计算,即正演过程和反演过程在投影平面上的插值采样重建点具有相同的计算方式,简化计算提高重建速度。
实际应用中,基于对称权重场和旋转重建点,建立图像重建快速方法可以为:建立快速的滤波(卷积)反投影图像重建算法,也可以建立快速的代数迭代图像重建算法,利用滤波反投影图像重建算法或代数迭代图像重建算法,完成图像的重建。
其中,旋转重建点离散化模型下,形成快速迭代算法基于两点:(1)对称性:不同投影角度下的正演过程或反演过程具有相同的计算过程;(2)正演过程和反演过程具有相同的计算为插值计算。
本发明的方法,通过建立对称权重场和旋转重建点,由旋转重建点生成离散投影数据的正演模型,将正演过程归结为径向重建点在投影平面上的插值采样问题,并利用图像重建离散化几何模型具有对称结构性质重建图像的方式,简化计算提高重建速度。通过采用本发明提供的对称权重场和旋转重建点重建图像的方法,实现计算机断层技术的快速重建,可以为医学CT、工业无损检测和地质勘探等应用领域更快地重建出高质量图像。
实施二
参见图4,本发明实施例提供了一种基于对称权重场和旋转重建点的图像快速重建装置,所述装置包括:
第一构建模块201,用于建立图像重建离散化几何模型,包括基于射线追踪的投影模型和基于重建点追踪的反投影模型;
第二构建模块202,用于建立所述图像重建离散化几何模型的权重场,所述权重场描述图像空间和投影数据空间之间的正演和反演关系;
转化模块203,用于将第二构建模块202中所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样重建点;
重建模块204,用于利用转化模块203得到所述正演过程和反演过程在投影平面上的插值采样重建点具有相同的计算方式,重建图像。
其中,第二构建模块202建立的权重场,描述的图像空间和投影数据空间之间的正演过程为:
相应的,所述第二构建模块建立的权重场,描述的所述图像空间和投影数据空间之间的反演过程为:
其中,转化模块203具体包括:
旋转重建点离散化模型对应的正演模型的离散化转化为径向重建点在投影平面上的插值采样投影数据;
旋转重建点离散化模型对应的反演模型的离散化转化为离散投影数据在投影平面上的插值采样重建点。
具体的,所述正演模型的离散化具体为:
相应的,所述反演模型的离散化具体为:
其中,重建模块204具体包括构建单元和重建单元:
构建单元,用于利用所述正演过程和反演过程在投影平面上的插值采样重建点具有相同的计算方式,构建滤波反投影图像重建算法或代数迭代图像重建算法;
重建单元,用于根据所述重建单元构建的滤波反投影图像重建算法或代数迭代图像重建算法进行图像重建。
本发明的装置,通过建立对称权重场和旋转重建点,由旋转重建点生成离散投影数据的正演模型,将正演过程归结为径向重建点在投影平面上的插值采样问题,并利用图像重建离散化几何模型具有对称结构性质重建图像的方式,简化计算提高重建速度。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域的普通技术人员应当理解:可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于对称权重场和旋转重建点的快速重建图像方法,其特征在于,所述方法包括:
建立图像重建离散化几何模型,包括基于射线追踪的投影模型和基于重建点追踪的反投影模型;
建立所述图像重建离散化几何模型的权重场,所述权重场描述图像空间和投影数据空间之间的正演和反演关系;
将所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样过程;其中,所述图像空间和投影数据空间之间的正演过程为:
相应的,所述图像空间和投影数据空间之间的反演过程为:
其中,待重建图像空间在笛卡尔坐标下表示为f(x,y),在极坐标下表示为即旋转重建点;旋转图像空间的三维坐标表示圆柱体,投影数据表示为横坐标是xr,纵坐标是 为投影权重场,对应对的投影贡献,为反投影权重场,对应对的反投影贡献;
利用所述正演过程和反演过程在投影平面上的插值采样具有相同的计算方式,重建图像;其中,所述将所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样问题,具体包括:
所述重建点离散化模型中,图像是极坐标下离散化的图像,投影数据是离散化采集获得;
旋转重建点离散化模型中的旋转重建点具有旋转对称性,旋转重建点的离散形式为:
nθ=0,1,…,Nθ-1,kr=0,1,…,Kr-1
其中:nθ表示离散的角度标号,Nθ表示总的角度离散数,kr表示离散的径向标号,Kr表示总的径向离散数;
离散投影数据的形式为:
3.如权利要求1所述的方法,其特征在于,所述利用所述正演过程和反演过程在投影平面上的插值采样具有相同的计算方式,重建图像,具体包括:
利用所述正演过程和反演过程在投影平面上的插值采样重建点具有相同的计算方式,构建滤波反投影图像重建算法或代数迭代图像重建算法,进行图像重建。
4.一种基于对称权重场和旋转重建点的快速重建图像的装置,其特征在于,所述装置包括:
第一构建模块,用于建立图像重建离散化几何模型,包括基于射线追踪的投影模型和基于重建点追踪的反投影模型;
第二构建模块,用于建立所述图像重建离散化几何模型的权重场,所述权重场描述图像空间和投影数据空间之间的正演和反演关系;
转化模块,用于将所述第二构建模块中所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样过程;其中,所述图像空间和投影数据空间之间的正演过程为:
相应的,所述图像空间和投影数据空间之间的反演过程为:
其中,待重建图像空间在笛卡尔坐标下表示为f(x,y),在极坐标下表示为即旋转重建点;旋转图像空间的三维坐标表示圆柱体,投影数据表示为横坐标是xr,纵坐标是 为投影权重场,对应对的投影贡献,为反投影权重场,对应对的反投影贡献;
重建模块,用于利用所述转化模块得到所述正演过程和反演过程在投影平面上的插值采样过程具有相同的计算方式,重建图像;其中,所述将所述图像空间和投影数据空间之间正演过程和反演过程转化为投影平面上的插值采样问题,具体包括:
所述重建点离散化模型中,图像是极坐标下离散化的图像,投影数据是离散化采集获得;
旋转重建点离散化模型中的旋转重建点具有旋转对称性,旋转重建点的离散形式为:
nθ=0,1,…,Nθ-1,kr=0,1,…,Kr-1
其中:nθ表示离散的角度标号,Nθ表示总的角度离散数,kr表示离散的径向标号,Kr表示总的径向离散数;
离散投影数据的形式为:
6.如权利要求4所述的装置,其特征在于,所述重建模块具体包括构建单元和重建单元:
构建单元,用于利用所述正演过程和反演过程在投影平面上的插值采样重建点具有相同的计算方式,构建滤波反投影图像重建算法或代数迭代图像重建算法;
重建单元,用于根据所述重建单元构建的滤波反投影图像重建算法或代数迭代图像重建算法进行图像重建。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2016111546935 | 2016-12-14 | ||
CN201611154693 | 2016-12-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106920267A CN106920267A (zh) | 2017-07-04 |
CN106920267B true CN106920267B (zh) | 2020-07-17 |
Family
ID=59453857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710110556.XA Active CN106920267B (zh) | 2016-12-14 | 2017-02-28 | 基于对称权重场和旋转重建点的快速重建图像方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106920267B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765514B (zh) * | 2018-06-06 | 2020-12-11 | 上海交通大学 | 一种ct图像重建的加速方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091355A (zh) * | 2014-06-06 | 2014-10-08 | 华南理工大学 | 一种采样角度受限下的ct图像重建方法 |
CN104821003A (zh) * | 2015-04-13 | 2015-08-05 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像重建方法 |
-
2017
- 2017-02-28 CN CN201710110556.XA patent/CN106920267B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091355A (zh) * | 2014-06-06 | 2014-10-08 | 华南理工大学 | 一种采样角度受限下的ct图像重建方法 |
CN104821003A (zh) * | 2015-04-13 | 2015-08-05 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像重建方法 |
Non-Patent Citations (2)
Title |
---|
一种反投影模型下的图像重建迭代算法;赵芳薇等;《中北大学学报(自然科学版)》;20151015;第36卷(第5期);第577-584页 * |
基于旋转采样光场数据的物体表面重构;苑瑞宁等;《中北大学学报(自然科学版)》;20160615;第37卷(第3期);第215-219页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106920267A (zh) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Image prediction for limited-angle tomography via deep learning with convolutional neural network | |
Burger et al. | Total variation regularization in measurement and image space for PET reconstruction | |
Zhang et al. | Blurred star image processing for star sensors under dynamic conditions | |
Huo et al. | Underwater target detection and 3D reconstruction system based on binocular vision | |
CN102901444B (zh) | 一种基于mp小波滤波的零件尺寸检测方法及其检测系统 | |
WO2023082306A1 (zh) | 图像处理方法、装置、电子设备以及计算机可读存储介质 | |
Tsai et al. | Indoor scene point cloud registration algorithm based on RGB-D camera calibration | |
Feng et al. | Multiscale geometric modeling of macromolecules II: Lagrangian representation | |
CN106920267B (zh) | 基于对称权重场和旋转重建点的快速重建图像方法和装置 | |
Cebeiro et al. | On a three-dimensional Compton scattering tomography system with fixed source | |
Chirikjian et al. | Engineering applications of noncommutative harmonic analysis: with emphasis on rotation and motion groups | |
Rigaud | 3D Compton scattering imaging with multiple scattering: analysis by FIO and contour reconstruction | |
JP7273272B2 (ja) | 角度オフセットによる断層画像データの取得方法、取得装置、および制御プログラム | |
Riis et al. | Computed tomography with view angle estimation using uncertainty quantification | |
Huang et al. | Super-Resolution Reconstruction of Depth Image Based on Kriging Interpolation | |
CN110400253B (zh) | 一种基于双线性插值原理确定发射层析权重矩阵的方法 | |
Yu et al. | Interior SPECT—exact and stable ROI reconstruction from uniformly attenuated local projections | |
Bisogni et al. | Automatic calibration of a two-axis rotary table for 3D scanning purposes | |
Tomašević et al. | Reconstructing Superquadrics from Intensity and Color Images | |
CN115797493A (zh) | 基于一维系统矩阵稀疏采样的磁场自由线磁粒子成像方法 | |
Xiong et al. | Super-resolution reconstruction of real infrared images acquired with unmanned aerial vehicle | |
Chung et al. | Sampled limited memory methods for massive linear inverse problems | |
Fan et al. | Quantum image edge extraction based on difference of Gaussian operator | |
CN114511666A (zh) | 一种模型生成方法、图像重建方法、装置、设备和介质 | |
Wang et al. | Structerf-SLAM: Neural implicit representation SLAM for structural environments |
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 |