CN112308940A - X射线分层扫描成像用的板状物图像迭代重建方法和装置 - Google Patents

X射线分层扫描成像用的板状物图像迭代重建方法和装置 Download PDF

Info

Publication number
CN112308940A
CN112308940A CN202011211747.3A CN202011211747A CN112308940A CN 112308940 A CN112308940 A CN 112308940A CN 202011211747 A CN202011211747 A CN 202011211747A CN 112308940 A CN112308940 A CN 112308940A
Authority
CN
China
Prior art keywords
image
center
detector
plate
updating
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.)
Granted
Application number
CN202011211747.3A
Other languages
English (en)
Other versions
CN112308940B (zh
Inventor
赵树森
赵星
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.)
Capital Normal University
Original Assignee
Capital Normal 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 Capital Normal University filed Critical Capital Normal University
Priority to CN202011211747.3A priority Critical patent/CN112308940B/zh
Publication of CN112308940A publication Critical patent/CN112308940A/zh
Application granted granted Critical
Publication of CN112308940B publication Critical patent/CN112308940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T11/008—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
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种X射线分层扫描成像用的板状物图像迭代重建方法和装置，该方法包括：步骤1，输入变量；步骤2，设置图像u(k)的初始值；步骤3，迭代处理估计图像u(k)，得到第一更新图像；步骤4，利用保边滤波模型逐层降低第一更新图像中的噪声并弱化图像中的伪影，得到第二更新图像；步骤5，采用约束图像梯度稀疏性模型对第二更新图像逐层进行梯度域稀疏性约束，得到第三更新图像；步骤6，对第三更新图像沿板状物的层间方向进行一维中值滤波；步骤7，判断满足迭代终止条件，若不满足，转至步骤3。本发明方法计算量小，可用较少的迭代次数重建出高质量的板状物体图像，能提高CL系统的板状物图像重建速度，提高CL系统的实用性。

Description

X射线分层扫描成像用的板状物图像迭代重建方法和装置
技术领域
本发明涉及X射线CL成像技术领域，特别是关于一种X射线分层扫描成像用的板状物图像迭代重建方法和装置。
背景技术
在工业应用中，常常需要对厚度较薄，而长、宽尺寸比厚度大的多的板状物体进行计算机断层成像(CT)检测，这些板状物包括各类芯片、印刷电路板(PCB)、板状化石等。应用传统CT技术检测板状物时，为了重建高分辨率的图像，一方面，被测物体应尽可能靠近射线源，从而使被测物体在探测器上获得足够大的放大比，此时由于扫描环境的限制，探测器通常仅能采集到有限角度的投影数据。另一方面，通常采用微焦点或纳米焦点射线源扫描板状物，这类射线源发射功率有限，X射线可能穿不透板状物的长边，或者仅有少部分光子穿透板状物的长边，这时由于探测器光子计数率低导致投影数据中的噪声水平相对提高。传统CT重建模型(ART,SART等)用有限角度的投影数据重建出的图像存在严重的有限角伪影。因此，传统CT扫描模式难以满足板状物检测的要求。X射线计算机分层扫描成像系统(Computed Laminography，CL)在扫描板状物时能够提供更多角度的扫描数据以及更大的放大比，且更易穿透板状物，是板状物成像的有效手段。
CL成像为不完全投影数据成像问题。CL扫描系统得到的板状物的投影数据采用传统的CT图像重建模型(如ART、SART、FDK等)重建，得到的重建图像存在严重的伪影，该伪影表现为层间信息混叠，降低了图像的层间分辨率。现有的CL重建模型，计算量大且不能很好地消除CL重建图像的层间混叠现象，限制了CL扫描系统的实用性。
发明内容
本发明的目的在于提供一种X射线分层扫描成像用的板状物图像迭代重建方法和装置来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的，本发明提供一种X射线分层扫描成像用的板状物图像迭代重建方法，该方法包括：
步骤1，输入变量：板状物的CL扫描数据p和CL扫描几何参数集G，其中，CL扫描几何参数集G包括转台中心到探测器中心的距离、射线源到转台中心的距离、探测器单元个数、探测器单元尺寸、扫描角度数、转台中心和探测器中心的连线与水平方向的夹角、射线源和探测器中心的连线与水平方向的夹角；
步骤2，设置图像u(k)的初始值、以及迭代终止阈值ε和/或迭代次数上限N；
步骤3，迭代处理估计图像u(k)，利用板状物的CL扫描数据p，通过与扫描几何参数集G相关的图像重建算子RG更新图像u(k)，得到第一更新图像u(k+1/4)＝RG(u(k)，p)；
步骤4，利用保边滤波模型P1对第一更新图像u(k+1/4)逐层进行处理，降低其中的噪声并弱化图像中由于边界信息扩散造成的伪影，得到第二更新图像u(k+2/4)＝P1(u(k+1/4))；
步骤5，采用约束图像梯度稀疏性模型P2对第二更新图像u(k+2/4)逐层进行梯度域稀疏性约束，得到第三更新图像u(k+3/4)＝P2(u(k+2/4))，其中，P2由下式(3)提供的最优化模型所定义：
Figure BDA0002758959580000021
其中，
Figure BDA0002758959580000022
表示图像u的梯度，||·||0表示l0范数，||·||2表示l2范数，λ2表示用于平衡
Figure BDA0002758959580000023
和
Figure BDA0002758959580000024
之间关系的参数；
步骤6，对第三更新图像u(k+3/4)沿板状物的层间方向进行一维中值滤波，得到u(k +1)；
步骤7，判断||u(k+1)-u(k)||≤ε或迭代次数是否达到上限N，若不满足，转至步骤3；若满足，则终止迭代，X射线分层扫描成像用的板状物图像迭代重建方法结束。
进一步地，P1由下式(1)提供的最优化模型定义：
Figure BDA0002758959580000025
Figure BDA0002758959580000026
其中，
Figure BDA0002758959580000027
和
Figure BDA0002758959580000028
分别表示第一更新图像u(k+1/4)沿x方向和沿y方向的梯度，σ表示用于控制优化模型保边界的强度的标量，λ1表示用于平衡
Figure BDA0002758959580000029
和
Figure BDA00027589595800000210
之间关系的参数，||·||1表示l1范数。
进一步地，步骤2中，k＝0，初始估计图像u(k)＝0。
进一步地，射线源到转台中心的距离为49.89mm，转台中心到探测器中心的距离为303.56mm，探测器为面阵探测器，长宽均由650个探测器单元组成，每个探测器单元的尺寸为0.2mm，转台中心和探测器中心的连线与水平方向的夹角为35°，射线源和探测器中心的连线与水平方向的夹角为31°，实验时转台旋转360度共采集450个投影数据。
本发明还提供一种X射线分层扫描成像用的板状物图像迭代重建装置，该装置包括：
变量输入单元，其用于输入板状物的CL扫描数据p和CL扫描几何参数集G，1中，CL扫描几何参数集G包括转台中心到探测器中心的距离、射线源到转台中心的距离、探测器单元个数、探测器单元尺寸、扫描角度数、转台中心和探测器中心的连线与水平方向的夹角、射线源和探测器中心的连线与水平方向的夹角；
初始化单元，其用于设置处理估计图像u(k)的初始值、以及迭代终止阈值ε和/或迭代次数上限N；
第一更新单元，其用于迭代处理估计图像u(k)，利用板状物的CL扫描数据p，通过与扫描几何参数集G相关的图像重建算子RG更新图像u(k)，得到第一更新图像u(k+1/4)＝RG(u(k)，p)；
第二更新单元，其用于利用保边滤波模型P1对第一更新图像u(k+1/4)逐层进行处理，降低其中的噪声并弱化图像中由于边界信息扩散造成的伪影，得到第二更新图像u(k+2/4)＝P1(u(k+1/4))；
第三更新单元，其用于采用约束图像梯度稀疏性模型P2对第二更新图像u(k+2/4)逐层进行梯度域稀疏性约束，得到第三更新图像u(k+3/4)＝P2(u(k+2/4))，其中，P2由下式(3)提供的最优化模型所定义：
Figure BDA0002758959580000031
其中，
Figure BDA0002758959580000032
表示图像u的梯度，||·||0表示l0范数，||·||2表示l2范数，λ2表示用于平衡
Figure BDA0002758959580000033
和
Figure BDA0002758959580000034
之间关系的参数。
滤波单元，其用于对第三更新图像u(k+3/4)沿板状物的层间方向进行一维中值滤波，得到u(k+1)；
判断单元，其用于判断||u(k+1)-u(k)||≤ε或迭代次数是否达到上限N，若不满足，由所述第一更新单元、第二更新单元、第三更新单元和滤波单元继续更新迭代图像；若满足，则终止迭代，X射线分层扫描成像用的板状物图像迭代重建方法结束。
进一步地，P1由下式(1)提供的最优化模型定义：
Figure BDA0002758959580000041
Figure BDA0002758959580000042
其中，
Figure BDA0002758959580000043
和
Figure BDA0002758959580000044
分别表示第一更新图像u(k+1/4)沿x方向和沿y方向的梯度，σ表示用于控制优化模型保边界的强度的标量，λ1表示用于平衡
Figure BDA0002758959580000045
和
Figure BDA0002758959580000046
之间关系的参数，||·||1表示l1范数。
进一步地，步骤2中，k＝0，初始估计图像u(k)＝0。
进一步地，射线源到转台中心的距离为49.89mm，转台中心到探测器中心的距离为303.56mm，探测器为面阵探测器，长宽均由650个探测器单元组成，每个探测器单元的尺寸为0.2mm，转台中心和探测器中心的连线与水平方向的夹角为35°，射线源和探测器中心的连线与水平方向的夹角为31°，实验时转台旋转360度共采集450个投影数据。
本发明由于采取以上技术方案，其具有以下优点：。
本发明方法计算量小，可通过输入CL投影数据集和CL扫描几何参数集，用较少的迭代次数重建出高质量的板状物体图像，大大提高了CL系统的板状物图像重建速度，提高CL系统的实用性。
附图说明
图1为本发明实施例提供的用于X射线分层扫描成像系统的板状物图像迭代重建方法的流程图；
图2为本发明实施例中的CL扫描系统的示意图；
图3为利用现有的SART算法的重建图像；
图4为利用本发明方法迭代1次的重建图像；
图5为利用本发明方法迭代5次的重建图像。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明实施例提供的用于X射线分层扫描成像系统的板状物图像迭代重建方法包括：
步骤1，输入变量：板状物的CL扫描数据p和CL扫描几何参数集G。
如图2所示，CL扫描几何参数集G包括转台中心到探测器中心的距离(ODD)、射线源到转台中心的距离(SOD)、探测器单元的个数、探测器单元的尺寸、扫描角度数、转台中心和探测器中心的连线与水平方向的夹角、射线源和探测器中心的连线与水平方向的夹角。
步骤2，设置图像u(k)的初始值、以及迭代终止阈值ε和/或迭代次数上限N。例如：k＝0，初始估计图像u(k)＝0，但不限于此。
步骤3，迭代处理估计图像u(k)，利用板状物的CL扫描数据p，通过与扫描几何参数集G相关的图像重建算子RG更新图像u(k)，得到第一更新图像u(k+1/4)＝RG(u(k)，p)。
其中，图像重建算子RG可选择迭代类重建算法或解析类重建算法。所述迭代类重建算法为ART(英文全称为：Algebraic reconstruction technique；中文全称为：代数迭代重建算法)、SART(英文全称为：algebraic reconstruction technique；中文全称为：同时代数迭代重建算法)、EM(英文全称为：Expectation-maximization algorithm；中文全称为：期望最大化算法)；所述解析类重建算法为FDK、BPF(英文全称为：Back projectionFilter；中文全称为：反投影滤波算法)。
步骤4，利用保边滤波模型P1对第一更新图像u(k+1/4)逐层进行处理，降低其中的噪声并弱化图像中由于边界信息扩散造成的伪影，得到第二更新图像u(k+2/4)＝P1(u(k+1/4))，其中，P1由下式(1)的最优化问题定义：
Figure BDA0002758959580000051
Figure BDA0002758959580000052
其中，
Figure BDA0002758959580000053
表示图像u的梯度，
Figure BDA0002758959580000054
和
Figure BDA0002758959580000055
分别表示图像u(k+1/4)沿x方向和沿y方向的梯度，||·||1表示l1范数，||·||2表示l2范数。
σ表示用于控制优化模型保边界的强度的标量，通常情况下，取值在0.0001～0.1的范围内。σ取值越大，保边界性越弱；σ取值越小，保边界性越强，所以，需要根据u(k+1/4)的梯度图像的值，多次试验选取最佳值。
λ1表示用于平衡
Figure BDA0002758959580000061
和
Figure BDA0002758959580000062
之间关系的参数，通常情况下，取值在50～500的范围内。λ1取值越大，第二更新图像u(k+2/4)越接近图像u(k+1/4)；λ1取值越小，第二更新图像u(k+2/4)越光滑，所以λ1的选取需要针对特定案例的图像多次试验。
通过保边滤波模型P1，降低图像u(k+1/4)中的噪声，并且能保持图像u(k+1/4)中的板状物结构信息，弱化图像u(k+1/4)中由于边界信息扩散造成的伪影。
在上述实施例中，保边滤波模型P1也可以采用双边滤波、边窗滤波、Non-LocalMean算法、BM3D(英文全称为：Block-Matching and 3D filtering；中文全称为：块匹配3D滤波)算法、基于L0梯度最小化的算法、基于边界加权的TV最小化算法或基于小波变换的滤波算法进行替代。
步骤5，采用约束图像梯度稀疏性模型P2对第二更新图像u(k+2/4)逐层进行梯度域稀疏性约束，得到第三更新图像u(k+3/4)＝P2(u(k+2/4))。
在一个实施例中，P2由下式(3)的最优化问题所定义：
Figure BDA0002758959580000063
其中，||·||0表示l0范数。
λ2表示用于平衡
Figure BDA0002758959580000064
和
Figure BDA0002758959580000065
之间关系的参数，λ2的取值越大，图像u(k+3/4)越接近u(k+2/4)。λ2的取值越小，图像u(k+3/4)的梯度稀疏性越好，所以λ2的选取需要针对特定案例的图像多次试验。通常情况下，λ2的取值在10～1000范围内。
通过约束图像梯度稀疏性模型P2，能够去除图像中的部分噪声，利用板状物的边界信息进行扩散，消除板状物CL图像的层间模糊，提高层间分辨率。
步骤6，对板状物图像u(k+3/4)沿层间方向做一维中值滤波，得到图像u(k+k)。
步骤7，判断相邻两次迭代图像间的差别是否小于给定阈值，即||u(k+1)-u(k)≤ε或迭代次数是否达到上限N，若不满足，转至步骤3，若满足，则终止迭代，X射线分层扫描成像用的板状物图像迭代重建方法结束。
本发明还提供一种X射线分层扫描成像用的板状物图像迭代重建装置，该装置包括：变量输入单元、初始化单元、第一更新单元、第二更新单元、第三更新单元、滤波单元和滤波单元。
变量输入单元用于输入板状物的CL扫描数据p和CL扫描几何参数集G，1中，CL扫描几何参数集G包括转台中心到探测器中心的距离、射线源到转台中心的距离、探测器单元个数、探测器单元尺寸、扫描角度数、转台中心和探测器中心的连线与水平方向的夹角、射线源和探测器中心的连线与水平方向的夹角。
初始化单元用于设置处理估计图像u(k)的初始值、以及迭代终止阈值ε和/或迭代次数上限N。例如：k＝0，初始估计图像u(k)＝0，但不限于此。
第一更新单元用于迭代处理估计图像u(k)，利用板状物的CL扫描数据p，通过与扫描几何参数集G相关的图像重建算子RG更新图像u(k)，得到第一更新图像u(k+1/4)＝RG(u(k)，p)。
其中，图像重建算子RG可选择迭代类重建算法或解析类重建算法。所述迭代类重建算法为ART(英文全称为：Algebraic reconstruction technique；中文全称为：代数迭代重建算法)、SART(英文全称为：algebraic reconstruction technique；中文全称为：同时代数迭代重建算法)、EM(英文全称为：Expectation-maximization algorithm；中文全称为：期望最大化算法)；所述解析类重建算法为FDK、BPF(英文全称为：Back projectionFilter；中文全称为：反投影滤波算法)。
第二更新单元用于利用保边滤波模型P1对第一更新图像u(k+1/4)逐层进行处理，降低其中的噪声并弱化图像中由于边界信息扩散造成的伪影，得到第二更新图像u(k+2/4)＝P1(u(k+1/4))。
其中，P1由下式(1)的最优化问题定义：
Figure BDA0002758959580000071
Figure BDA0002758959580000072
其中，
Figure BDA0002758959580000073
表示图像u的梯度，
Figure BDA0002758959580000074
和
Figure BDA0002758959580000075
分别表示图像u(k+1/4)沿x方向和沿y方向的梯度，||·||1表示l1范数，||·||2表示l2范数。
σ表示用于控制优化模型保边界的强度的标量，通常情况下，取值在0.0001～0.1的范围内。σ取值越大，保边界性越弱；σ取值越小，保边界性越强，所以，需要根据u(k+1/4)的梯度图像的值，多次试验选取最佳值。
λ1表示用于平衡
Figure BDA0002758959580000076
和
Figure BDA0002758959580000077
之间关系的参数，通常情况下，取值在50～500的范围内。λ1取值越大，第二更新图像u(k+2/4)越接近图像u(k+1/4)；λ1取值越小，第二更新图像u(k+2/4)越光滑，所以λ1的选取需要针对特定案例的图像多次试验。
通过保边滤波模型P1，降低图像u(k+1/4)中的噪声，并且能保持图像u(k+1/4)中的板状物结构信息，弱化图像u(k+1/4)中由于边界信息扩散造成的伪影。
在上述实施例中，保边滤波模型P1也可以采用双边滤波、边窗滤波、Non-LocalMean算法、BM3D(英文全称为：Block-Matching and 3D filtering；中文全称为：块匹配3D滤波算法)算法、基于L0梯度最小化的算法、基于边界加权的TV最小化算法或基于小波变换的滤波算法进行替代。
第三更新单元用于采用约束图像梯度稀疏性模型P2对第二更新图像u(k+2/4)逐层进行梯度域稀疏性约束，得到第三更新图像u(k+3/4)＝P2(u(k+2/4))，其中，P2由下式(3)提供的最优化模型所定义：
Figure BDA0002758959580000081
其中，||·||0表示l0范数。
λ2表示用于平衡
Figure BDA0002758959580000082
和
Figure BDA0002758959580000083
之间关系的参数，λ2的取值越大，图像u(k+3/4)越接近u(k+2/4)。λ2的取值越小，图像u(k+3/4)的梯度稀疏性越好，所以λ2的选取需要针对特定案例的图像多次试验。通常情况下，λ2的取值在10～1000范围内。
滤波单元用于对第三更新图像u(k+3/4)沿板状物的层间方向进行一维中值滤波，得到u(k+1)；
判断单元用于判断||u(k+1)-u(k)||≤ε或迭代次数是否达到上限N，若不满足，由所述第一更新单元、第二更新单元、第三更新单元和滤波单元继续更新迭代图像；若满足，则终止迭代，X射线分层扫描成像用的板状物图像迭代重建方法结束。
针对现有技术的不足，为了解决现有CL成像模型计算量大且不能很好地消除CL重建图像的层间混叠现象的问题，本发明提出一种X射线分层扫描成像用的板状物图像迭代重建方法，本发明方法利用保边界滤波去除重建图像中的噪声并弱化图像中的伪影，然后利用图像梯度的稀疏性，通过迭代的方式，逐步恢复图像内部灰度值。本发明方法能用较少的迭代次数重建出高分辨率的板状物体图像，大大提高了CL系统的板状物图像重建速度。
为了更好地体现本发明一种X射线分层扫描成像用的板状物图像迭代重建方法在重建效果方面的优势，下面结合一具体实施例将本发明所述的算法与已存在的典型算法SART做比较。
本实施例数据采集自工业CT系统，扫描样品为一块多层PCB板。实验扫描参数设置如下：射线源到转台中心的距离为49.89mm，转台中心到探测器中心的距离为303.56mm。探测器为面阵探测器，长宽均由650个探测器单元组成，每个探测器单元的尺寸为0.2mm。转台中心和探测器中心的连线与水平方向的夹角为35°。射线源和探测器中心的连线与水平方向的夹角为31°。实验时转台旋转360度共采集450个投影数据。
分别采用SART和本发明方法对扫描数据重建图像，该实施例中，本发明方法保边滤波模型P1采用的是双边滤波。重建结果如图3、图4、图5所示。其中图3是SART算法的重建结果；图4是本发明方法迭代1次的重建结果；图5是本发明方法迭代5次的重建结果。从重建结果的冠状面和矢状面可以看出，SART算法的重建结果存在严重的层间信息模糊；本专利方法的重建结果可以看出，仅需一次迭代就能恢复PCB的分层信息且没有引入伪结构。
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 (8)

1.一种X射线分层扫描成像用的板状物图像迭代重建方法，其特征在于，包括：
步骤1，输入变量：板状物的CL扫描数据p和CL扫描几何参数集G，其中，CL扫描几何参数集G包括转台中心到探测器中心的距离、射线源到转台中心的距离、探测器单元个数、探测器单元尺寸、扫描角度数、转台中心和探测器中心的连线与水平方向的夹角、射线源和探测器中心的连线与水平方向的夹角；
步骤2，设置图像u(k)的初始值、以及迭代终止阈值ε和/或迭代次数上限N；
步骤3，迭代处理估计图像u(k)，利用板状物的CL扫描数据p，通过与扫描几何参数集G相关的图像重建算子RG更新图像u(k)，得到第一更新图像u(k+1/4)＝RG(u(k)，p)；
步骤4，利用保边滤波模型P1对第一更新图像u(k+1/4)逐层进行处理，降低其中的噪声并弱化图像中由于边界信息扩散造成的伪影，得到第二更新图像u(k+2/4)＝P1(u(k+1/4))；
步骤5，采用约束图像梯度稀疏性模型P2对第二更新图像u(k+2/4)逐层进行梯度域稀疏性约束，得到第三更新图像u(k+3/4)＝P2(u(k+2/4))，其中，P2由下式(3)提供的最优化模型所定义：
Figure FDA0002758959570000011
其中，
Figure FDA0002758959570000012
表示图像u的梯度，||·||0表示l0范数，||·||2表示l2范数，λ2表示用于平衡
Figure FDA0002758959570000013
和
Figure FDA0002758959570000014
之间关系的参数；
步骤6，对第三更新图像u(k+3/4)沿板状物的层间方向进行一维中值滤波，得到u(k+1)；
步骤7，判断||u(k+1)-u(k)||≤ε或迭代次数是否达到上限N，若不满足，转至步骤3；若满足，则终止迭代，X射线分层扫描成像用的板状物图像迭代重建方法结束。
2.如权利要求1所述的X射线分层扫描成像用的板状物图像迭代重建方法，其特征在于，P1由下式(1)提供的最优化模型定义：
Figure FDA0002758959570000015
Figure FDA0002758959570000021
其中，
Figure FDA0002758959570000022
和
Figure FDA0002758959570000023
分别表示第一更新图像u(k+1/4)沿x方向和沿y方向的梯度，σ表示用于控制优化模型保边界的强度的标量，λ1表示用于平衡
Figure FDA0002758959570000024
和
Figure FDA0002758959570000025
之间关系的参数，||·||1表示l1范数。
3.如权利要求1或2所述的X射线分层扫描成像用的板状物图像迭代重建方法，其特征在于，步骤2中，k＝0，初始估计图像u(k)＝0。
4.如权利要求1或2所述的X射线分层扫描成像用的板状物图像迭代重建方法，其特征在于，射线源到转台中心的距离为49.89mm，转台中心到探测器中心的距离为303.56mm，探测器为面阵探测器，长宽均由650个探测器单元组成，每个探测器单元的尺寸为0.2mm，转台中心和探测器中心的连线与水平方向的夹角为35°，射线源和探测器中心的连线与水平方向的夹角为31°，实验时转台旋转360度共采集450个投影数据。
5.一种X射线分层扫描成像用的板状物图像迭代重建装置，其特征在于，包括：
变量输入单元，其用于输入板状物的CL扫描数据p和CL扫描几何参数集G，1中，CL扫描几何参数集G包括转台中心到探测器中心的距离、射线源到转台中心的距离、探测器单元个数、探测器单元尺寸、扫描角度数、转台中心和探测器中心的连线与水平方向的夹角、射线源和探测器中心的连线与水平方向的夹角；
初始化单元，其用于设置图像u(k)的初始值、以及迭代终止阈值ε和/或迭代次数上限N；
第一更新单元，其用于迭代处理估计图像u(k)，利用板状物的CL扫描数据p，通过与扫描几何参数集G相关的图像重建算子RG更新图像u(k)，得到第一更新图像u(k+1/4)＝RG(u(k)，p)；
第二更新单元，其用于利用保边滤波模型P1对第一更新图像u(k+1/4)逐层进行处理，降低其中的噪声并弱化图像中由于边界信息扩散造成的伪影，得到第二更新图像u(k+2/4)＝P1(u(k+1/4))；
第三更新单元，其用于采用约束图像梯度稀疏性模型P2对第二更新图像u(k+2/4)逐层进行梯度域稀疏性约束，得到第三更新图像u(k+3/4)＝P2(u(k+2/4))，其中，P2由下式(3)提供的最优化模型所定义：
Figure FDA0002758959570000031
其中，
Figure FDA0002758959570000032
表示图像u的梯度，||·||0表示l0范数，||·||2表示l2范数，λ2表示用于平衡
Figure FDA0002758959570000033
和
Figure FDA0002758959570000034
之间关系的参数。
滤波单元，其用于对第三更新图像u(k+3/4)沿板状物的层间方向进行一维中值滤波，得到u(k+1)；
判断单元，其用于判断||u(k+1)-u(k)||≤ε或迭代次数是否达到上限N，若不满足，由所述第一更新单元、第二更新单元、第三更新单元和滤波单元继续更新迭代图像；若满足，则终止迭代，X射线分层扫描成像用的板状物图像迭代重建方法结束。
6.如权利要求5所述的X射线分层扫描成像用的板状物图像迭代重建装置，其特征在于，P1由下式(1)提供的最优化模型定义：
Figure FDA0002758959570000035
Figure FDA0002758959570000036
其中，
Figure FDA0002758959570000037
和
Figure FDA0002758959570000038
分别表示第一更新图像u(k+1/4)沿x方向和沿y方向的梯度，σ表示用于控制优化模型保边界的强度的标量，λ1表示用于平衡
Figure FDA0002758959570000039
和
Figure FDA00027589595700000310
之间关系的参数，||·||1表示l1范数。
7.如权利要求5或6所述的X射线分层扫描成像用的板状物图像迭代重建装置，其特征在于，步骤2中，k＝0，初始估计图像u(k)＝0。
8.如权利要求5或6所述的X射线分层扫描成像用的板状物图像迭代重建装置，其特征在于，射线源到转台中心的距离为49.89mm，转台中心到探测器中心的距离为303.56mm，探测器为面阵探测器，长宽均由650个探测器单元组成，每个探测器单元的尺寸为0.2mm，转台中心和探测器中心的连线与水平方向的夹角为35°，射线源和探测器中心的连线与水平方向的夹角为31°，实验时转台旋转360度共采集450个投影数据。
CN202011211747.3A 2020-11-03 2020-11-03 X射线分层扫描成像用的板状物图像迭代重建方法和装置 Active CN112308940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011211747.3A CN112308940B (zh) 2020-11-03 2020-11-03 X射线分层扫描成像用的板状物图像迭代重建方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011211747.3A CN112308940B (zh) 2020-11-03 2020-11-03 X射线分层扫描成像用的板状物图像迭代重建方法和装置

Publications (2)

Publication Number Publication Date
CN112308940A true CN112308940A (zh) 2021-02-02
CN112308940B CN112308940B (zh) 2022-05-24

Family

ID=74333173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011211747.3A Active CN112308940B (zh) 2020-11-03 2020-11-03 X射线分层扫描成像用的板状物图像迭代重建方法和装置

Country Status (1)

Country Link
CN (1) CN112308940B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011122613A1 (ja) * 2010-03-30 2011-10-06 株式会社 日立メディコ 再構成演算装置、再構成演算方法、及びｘ線cｔ装置
CN110717959A (zh) * 2019-10-16 2020-01-21 首都师范大学 基于曲率约束的x射线有限角ct图像重建方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011122613A1 (ja) * 2010-03-30 2011-10-06 株式会社 日立メディコ 再構成演算装置、再構成演算方法、及びｘ線cｔ装置
CN110717959A (zh) * 2019-10-16 2020-01-21 首都师范大学 基于曲率约束的x射线有限角ct图像重建方法和装置

Also Published As

Publication number Publication date
CN112308940B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
Diwakar et al. A review on CT image noise and its denoising
CN110717956B (zh) 一种有限角投影超像素引导的l0范数最优化重建方法
EP2380132B1 (en) Denoising medical images
US11727609B2 (en) Limited-angle CT reconstruction method based on anisotropic total variation
US20070053477A1 (en) Method and apparatus of global de-noising for cone beam and fan beam CT imaging
CN111899188B (zh) 一种神经网络学习的锥束ct噪声估计与抑制方法
Ertas et al. An iterative tomosynthesis reconstruction using total variation combined with non-local means filtering
Seo et al. The effects of total variation (TV) technique for noise reduction in radio-magnetic X-ray image: Quantitative study
Zhang et al. Spectral CT image-domain material decomposition via sparsity residual prior and dictionary learning
Feng et al. Dual residual convolutional neural network (DRCNN) for low-dose CT imaging
Alex et al. Speckle noise suppression in 2D ultrasound kidney images using local pattern based topological derivative
Ertas et al. Iterative image reconstruction using non-local means with total variation from insufficient projection data
CN112070856B (zh) 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
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
CN112308940B (zh) X射线分层扫描成像用的板状物图像迭代重建方法和装置
Deng et al. Projection data smoothing through noise-level weighted total variation regularization for low-dose computed tomography
Diwakar et al. Blind noise estimation-based CT image denoising in tetrolet domain
Mencattini et al. Denoising and enhancement of mammographic images under the assumption of heteroscedastic additive noise by an optimal subband thresholding
Debatin et al. CT reconstruction from few-views by anisotropic total variation minimization
Deng et al. Limited-angle CT reconstruction with generalized shrinkage operators as regularizers
Hosseinian et al. Assessment of restoration methods of X-ray images with emphasis on medical photogrammetric usage
Gui et al. 3-D computed laminography based on prior images and total variation
Kim et al. A blind-deblurring method based on a compressed-sensing scheme in digital breast tomosynthesis
Ma et al. Image fusion for low-dose computed tomography reconstruction
Lu et al. Adaptive Image De-noising Method Based on Spatial Autocorrelation

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