CN113112561A - 图像重建方法、装置和电子设备 - Google Patents

图像重建方法、装置和电子设备 Download PDF

Info

Publication number
CN113112561A
CN113112561A CN202110412240.2A CN202110412240A CN113112561A CN 113112561 A CN113112561 A CN 113112561A CN 202110412240 A CN202110412240 A CN 202110412240A CN 113112561 A CN113112561 A CN 113112561A
Authority
CN
China
Prior art keywords
projection data
target pixel
frequency domain
image reconstruction
resampling algorithm
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
CN202110412240.2A
Other languages
English (en)
Other versions
CN113112561B (zh
Inventor
张笛儿
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.)
Sinovision Technology Beijing Co ltd
Original Assignee
Sinovision Technology Beijing Co ltd
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 Sinovision Technology Beijing Co ltd filed Critical Sinovision Technology Beijing Co ltd
Priority to CN202110412240.2A priority Critical patent/CN113112561B/zh
Publication of CN113112561A publication Critical patent/CN113112561A/zh
Application granted granted Critical
Publication of CN113112561B publication Critical patent/CN113112561B/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
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (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

本申请提供了一种图像重建方法、装置和电子设备，其中，方法包括：获取目标像素两侧近邻投影数据和两侧次近邻投影数据；基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；基于所述目标像素投影数据进行图像重建。基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据。并且，该重采样算法是基于投影数据在频域通过特性的量化反馈确定的，可解决插值引起的噪声通过特性不一致问题，在不改变层厚和其他图像有效信息的前提下解决了3D反投影中常见的环状噪声形态伪影，提高了图像质量。

Description

图像重建方法、装置和电子设备
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像重建方法、装置和电子设备。
背景技术
反投影(back projection)是CT图像重建算法中的主要过程之一，现有的反投影方法大体上分为两类，一类是基于射线的反投影方法(ray-drivenbackprojection)，一类是基于像素的反投影方法(pixel-drivenbackprojection)，但实践中，从简单性和便于实现等方面考虑，多使用基于像素的反投影方法。
传统的基于像素的反投影方法中较为最常用的两种插值方法是最近邻(nearestneighbour)插值法和线性(linear)插值法，其中最近邻插值法以与该交点最近邻的探测器单元射线对应的投影数据作为该像素点的投影数据，线性插值法则以与该交点相邻的两个探测器单元射线对应的投影数据的加权平均值作为该像素点的值。这两种插值方法3D反投影算法需要在Z方向引入不同排数据之间的插值，这些插值过程改变了原有的图像噪声分布特征，可产生特定几何形状(通常是环状)的特征噪声分布模式，从而导致图像上出现环状噪声形态伪影。。
因此，如何抑制特定几何形状特征噪声分布成为亟待解决的技术问题。
发明内容
本申请提供了一种图像重建方法、装置和电子设备，以至少解决相关技术中存在如何抑制特定几何形状特征噪声分布的技术问题。
根据本申请实施例的一个方面，提供了一种图像重建方法，包括：获取目标像素两侧近邻投影数据和两侧次近邻投影数据；基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；基于所述目标像素投影数据进行图像重建。
可选地，所述四点自适应重采样算法通过投影数据在频域通过特性满足如下至少一限制条件进行确定：频域通过特性曲线满足预设低通特性；不同位置的目标像素对应的频域通过特性曲线聚合度大于预设值；频域通过特性曲线的增益值在任意频率的投影数据大于预设增益。
可选地，所述四点自适应重采样算法包括：
Figure BDA0003024629720000021
其中，xi和xi+1分别为目标像素前后两侧近邻的投影数据，xi-1和xi+2分别为目标像素前后两侧次近邻的投影数据，A、B、C、D为四点自适应重采样算法的参数，所述参数通过所述投影数据在频域通过特性满足所述至少一限制条件确定。
可选地，所述投影数据在频域通过特性基于所述四点自适应重采样算法的重采样格式对应的频域通过特征函数进行计算得到。
可选地，所述四点自适应重采样算法包括：
Figure BDA0003024629720000022
Figure BDA0003024629720000023
其中，α是对应线性插值的与像素位置有关的插值系数，xi和xi+1分别为目标像素前后两侧近邻的投影数据，xi-1和xi+2分别为目标像素前后两侧次近邻的投影数据，y为目标像素投影数据。
可选地，所述四点自适应重采样算法包括：
Figure BDA0003024629720000031
其中,α是对应线性插值的与像素位置有关的插值系数，xi+j为与目标像素相邻的第i+j个投影数据。
可选地，所述基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据包括：获取扫描设备的所有view角；分别在每一view角下基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素子投影数据；对所述目标像素子投影数据进行累加得到所述目标像素投影数据。
根据本申请实施例的又一个方面，还提供了一种图像重建装置，包括：获取模块，用于获取目标像素两侧近邻投影数据和两侧次近邻投影数据；计算模块，用于基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；重建模块，用于基于所述目标像素投影数据进行图像重建。
可选地，所述四点自适应重采样算法通过投影数据在频域通过特性满足如下至少一限制条件进行确定：频域通过特性曲线满足预设低通特性；不同位置的目标像素对应的频域通过特性曲线聚合度大于预设值；频域通过特性曲线的增益值在任意频率的投影数据大于预设增益。
根据本申请实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本申请实施例的又一个方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
在本申请中，基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据。并且，该重采样算法是基于投影数据在频域通过特性的量化反馈确定的，可解决插值引起的噪声通过特性不一致问题，在不改变层厚和其他图像有效信息的前提下解决了3D反投影中常见的环状噪声形态伪影，提高了图像质量
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种可选的图像重建方法的硬件环境的示意图；
图2是根据本申请实施例的一种可选的图像重建方法的流程示意图；
图3是根据本申请实施例的一种可选的射线与像素位置关系示意图；
图4是根据本申请实施例的另一种可选的射线与像素位置关系示意图；
图5是根据本申请实施例的一种可选的频率通过特性的标绘图；
图6是根据本申请实施例的一种可选的四点自适应重采样算法函数图示；
图7是根据本申请实施例的另一种可选的四点自适应重采样算法函数图示；
图8是根据本申请实施例的一种可选的图像重建装置的结构图；
图9是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本申请实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：
根据本申请实施例的一个方面，提供了一种图像重建方法。可选地，在本实施例中，上述图像重建方法可以应用于如图1所示的硬件环境中。如图1所示，
根据本申请实施例的一个方面，提供了一种图像重建方法。可选地，在本实施例中，上述图像重建方法可以应用于如图1所示的由终端102和服务器104所构成的硬件环境中。如图1所示，服务器104通过网络与终端102进行连接，可用于为终端或终端上安装的客户端提供服务，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务，还可以用于处理云服务，上述网络包括但不限于：广域网、城域网或局域网，终端102并不限定于PC、CT设备、平板电脑等。本申请实施例的图像重建方法可以由服务器104来执行，也可以由终端102来执行，还可以是由服务器104和终端102共同执行。其中，终端102执行本申请实施例的图像重建方法也可以是由安装在其上的客户端来执行。
以由服务器104和/或终端102来执行本实施例中的图像重建方法为例，图2是根据本申请实施例的一种可选的图像重建方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：
S202，获取目标像素两侧近邻投影数据和两侧次近邻投影数据；
S204，基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；
S206，基于所述目标像素投影数据进行图像重建。
通过上述步骤S202至步骤S206，基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据。并且，该重采样算法是基于投影数据在频域通过特性的量化反馈确定的，可解决插值引起的噪声通过特性不一致问题，在不改变层厚和其他图像有效信息的前提下解决了3D反投影中常见的环状噪声形态伪影，提高了图像质量。
作为示例性的实施例，3D反投影中每层图像上的各个像素，由相邻层的X射线路径上的数据插值(并对所有view角求和)产生，如图3所示，CT扫描过程中得到的每一个数据都对应一条穿过人体的射线，其逆过程(3D反投影)则对应将这个数据(经过前处理之后的)，沿着这条射线反馈到图像上，把这个数据累加到该射线束经过的所有像素上。当所有经过某个像素的射线对应的数据都被累加之后，这个像素上的CT值也就被确定了；当图像上所有的像素都经过上述处理之后，整个图像的重建就完成了。在典型的轴扫(Axial)协议中CT旋转一圈产生N次等角的数据采集，称之为N个view角。理论上图像上任何一个像素都能在每一个view角下找到一条对应的射线，所以上述3D反投影过程对每一个像素都需要完成N个数值的累加。
在实际扫描中每一条射线的位置是由探测器位置和系统几何决定的，虽然理论上“每一个view角下找到一条对应的射线”，但实际上像素的中心位置不可能恰好落在某一条射线上，通常都在若干条近邻的射线之间，所以实际可用的算法需要把这个像素近邻的若干条射线上的值经过插值得到理论上经过这个像素的射线上的值。参见图4所示，显示了某个view角下，某一列(Z方向)像素和经过这些像素的X射线路径(部分)，在3D反投影中，需要把投影数据按X射线路径与这些像素所在的Z方向位置的交点(图中“o”所示位置)插值到像素中心(图中“+”所示位置)上。对于现有的线性插值：
y＝(1-α)xi+αxi+1
其中，α是与像素位置有关的插值系数，
Figure BDA0003024629720000071
其中，di插值点离当前检测器位置的距离，Di是当前检测器位置与下一或前一检测器位置之间的距离绝对值，xi和xi+1分别为目标像素前后两侧近邻的投影数据，y是插值结果，即目标像素的投影数据。
如图5所示，线性插值的频率通过特性为：
f(k；[0,1-α,α])＝(1-α)ei2πk+α，k∈[0,0.5]Hz。
随着插值点离当前检测器位置的距离变化，其高频通过特性逐渐衰减。图5中虚线曲线示出了线性插值的频率通过特性函数f(k)在不同α值情况下的标绘。其中，多对角矩阵[0,1-α，α]中的参数为插值公式中投影数据的参数，如从图中可见，在插值过程中离检测器位置距离不同(例如，因此有不同的α值)的插值点的通过特性是不同的，如图5中所示。这导致当有高频投影值(如物体边界)经过时，在不同位置上可能将因此得到不同的频率特征结果，导致图像中出现条状伪影。
在本申请中，可以采用目标像素两侧近邻投影数据和两侧次近邻投影数据构造四点自适应重采样算法计算目标像素投影数据，其中，四点自适应重采样算法中通过投影数据在频域通过特性确定，而频域通过特性可以基于四点自适应重采样算法的重采样格式对应的频域通过特征函数进行计算得到。具体的，四点自适应重采样算法包括：
Figure BDA0003024629720000081
其中，xi和xi+1分别为目标像素前后两侧近邻的投影数据，xi-1和xi+2分别为目标像素前后两侧次近邻的投影数据，A、B、C、D为四点自适应重采样算法的参数，所述参数通过所述投影数据在频域通过特性满足所述至少一限制条件确定。因此，对应的频域通过特征函数可以为：
f(k；[A,B,C,D])
作为示例性的实施例，四点自适应重采样算法通过投影数据在频域通过特性满足如下至少一限制条件进行确定：
频域通过特性曲线满足预设低通特性；
不同位置的目标像素对应的频域通过特性曲线聚合度大于预设值；
频域通过特性曲线的增益值在任意频率的投影数据大于预设增益。
在本实施例中，四点自适应重采样算法包括：
Figure BDA0003024629720000091
Figure BDA0003024629720000092
其中，α是对应线性插值的与像素位置有关的插值系数，xi和xi+1分别为目标像素前后两侧近邻的投影数据，xi-1和xi+2分别为目标像素前后两侧次近邻的投影数据，y为目标像素投影数据。作为示例性的实施例，如图5所示，显示了线性插值(图中虚线所示)和本发明所述的四点自适应滤过格式(图中实线所示)的频域通过特性的区别。对不同的插值系数(对应不同的几何位置)线性插值的频率增益曲线有较大的变化，所以不同位置的噪声通过特性不一致；而采用本发明所述的方法后对不同的插值系数的通过特性几乎是一致的。
作为示例性的实施例，四点自适应重采样算法还可以包括：
Figure BDA0003024629720000093
其中，K是核函数，α是对应线性插值的与像素位置有关的插值系数，xi+j为与目标像素相邻的第i+j个投影数据。参见图6所示的上述函数的图示，可以直观的发现它的低通特征。作为示例性的实施例，可以通过构造不同的核函数来构造不同四点重采样格式，例如如图7所示的核函数，具有更好高频通过特性。任何一个定义域在[-2,2]的核函数都可以通过上述公式计算出对应的四点重采样公式。可以通过分析核函数的频域通过特性，对其进行优化，进而构造出优化的四点重采样公式。
作为示例性的实施例，基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据包括：
获取扫描设备的所有view角；分别在每一view角下基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素子投影数据；对所述目标像素子投影数据进行累加得到所述目标像素投影数据。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述图像重建方法的图像重建装置。图8是根据本申请实施例的一种可选的图像重建装置的示意图，如图8所示，该装置可以包括：
获取模块602，用于获取目标像素两侧近邻投影数据和两侧次近邻投影数据；
计算模块604，用于基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；
重建模块606，用于基于所述目标像素投影数据进行图像重建。
需要说明的是，该实施例中的获取模块602可以用于执行上述步骤S202，该实施例中的计算模块604可以用于执行上述步骤S204，该实施例中的重建模块606可以用于执行上述步骤S206。
作为示例性的实施例，四点自适应重采样算法通过投影数据在频域通过特性满足如下至少一限制条件进行确定：频域通过特性曲线满足预设低通特性；不同位置的目标像素对应的频域通过特性曲线聚合度大于预设值；频域通过特性曲线的增益值在任意频率的投影数据大于预设增益。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的又一个方面，还提供了一种用于实施上述图像重建方法的电子设备，该电子设备可以是服务器、终端、或者其组合。
图9是根据本申请实施例的一种可选的电子设备的结构框图，如图9所示，包括处理器702、通信接口704、存储器706和通信总线708，其中，处理器702、通信接口704和存储器706通过通信总线708完成相互间的通信，其中，
存储器706，用于存储计算机程序；
处理器702，用于执行存储器706上所存放的计算机程序时，实现如下步骤：
获取目标像素两侧近邻投影数据和两侧次近邻投影数据；
基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；
基于所述目标像素投影数据进行图像重建。
可选地，在本实施例中，上述的通信总线可以是PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线、或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM，也可以包括非易失性存储器(non-volatile memory)，例如，至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
作为一种示例，如图9所示，上述存储器702中可以但不限于包括上述装备测试性策略优化装置中的获取模块602、计算模块604、重建模块606。此外，还可以包括但不限于上述图像重建装置中的其他模块单元，本示例中不再赘述。
上述处理器可以是通用处理器，可以包含但不限于：CPU(Central ProcessingUnit，中央处理器)、NP(Network Processor，网络处理器)等；还可以是DSP(DigitalSignal Processing，数字信号处理器)、ASIC(Application Specific IntegratedCircuit，专用集成电路)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图9所示的结构仅为示意，实施上述图像重建方法的设备可以是终端设备，该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图9其并不对上述电子装置的结构造成限定。例如，终端设备还可包括比图9中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图9所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、ROM、RAM、磁盘或光盘等。
根据本申请实施例的又一个方面，还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于图像重建方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
获取目标像素两侧近邻投影数据和两侧次近邻投影数据；
基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；
基于所述目标像素投影数据进行图像重建。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例中对此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种图像重建方法，其特征在于，包括：
获取目标像素两侧近邻投影数据和两侧次近邻投影数据；
基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；
基于所述目标像素投影数据进行图像重建。
2.如权利要求1所述的图像重建方法，其特征在于，所述四点自适应重采样算法通过投影数据在频域通过特性满足如下至少一限制条件进行确定：
频域通过特性曲线满足预设低通特性；
不同位置的目标像素对应的频域通过特性曲线聚合度大于预设值；
频域通过特性曲线的增益值在任意频率的投影数据大于预设增益。
3.如权利要求2所述的图像重建方法，其特征在于，所述四点自适应重采样算法包括：
Figure FDA0003024629710000011
其中，xi和xi+1分别为目标像素前后两侧近邻的投影数据，xi-1和xi+2分别为目标像素前后两侧次近邻的投影数据，A、B、C、D为四点自适应重采样算法的参数，所述参数通过所述投影数据在频域通过特性满足所述至少一限制条件确定。
4.如权利要求3所述的图像重建方法，其特征在于，所述投影数据在频域通过特性基于所述四点自适应重采样算法的重采样格式对应的频域通过特征函数进行计算得到。
5.如权利要求1-4任一项所述的图像重建方法，其特征在于，所述四点自适应重采样算法包括：
Figure FDA0003024629710000021
Figure FDA0003024629710000022
其中，α是对应线性插值的与像素位置有关的插值系数，xi和xi+1分别为目标像素前后两侧近邻的投影数据，xi-1和xi+2分别为目标像素前后两侧次近邻的投影数据，y为目标像素投影数据。
6.如权利要求1所述图像重建方法，其特征在于，所述四点自适应重采样算法包括：
Figure FDA0003024629710000023
其中,α是对应线性插值的与像素位置有关的插值系数，xi+j为与目标像素相邻的第i+j个投影数据。
7.如权利要求1所述图像重建方法，其特征在于，所述基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据包括：
获取扫描设备的所有view角；
分别在每一view角下基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素子投影数据；
对所述目标像素子投影数据进行累加得到所述目标像素投影数据。
8.一种图像重建装置，其特征在于，包括：
获取模块，用于获取目标像素两侧近邻投影数据和两侧次近邻投影数据；
计算模块，用于基于所述两侧近邻投影数据和两侧次近邻投影数据采用四点自适应重采样算法计算目标像素投影数据，其中，所述四点自适应重采样算法中通过投影数据在频域通过特性确定；
重建模块，用于基于所述目标像素投影数据进行图像重建。
9.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，其特征在于，
所述存储器，用于存储计算机程序；
所述处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至6中任一项所述的图像重建方法步骤。
10.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至6中任一项中所述的图像重建方法步骤。
CN202110412240.2A 2021-04-16 2021-04-16 图像重建方法、装置和电子设备 Active CN113112561B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110412240.2A CN113112561B (zh) 2021-04-16 2021-04-16 图像重建方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110412240.2A CN113112561B (zh) 2021-04-16 2021-04-16 图像重建方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN113112561A true CN113112561A (zh) 2021-07-13
CN113112561B CN113112561B (zh) 2021-12-07

Family

ID=76718017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110412240.2A Active CN113112561B (zh) 2021-04-16 2021-04-16 图像重建方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN113112561B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363247A (zh) * 2023-03-29 2023-06-30 赛诺威盛医疗科技(扬州)有限公司 高像素图像的ct重建方法、装置及存储介质
CN116580115A (zh) * 2023-03-29 2023-08-11 赛诺威盛医疗科技(扬州)有限公司 螺旋ct图像迭代重建方法、装置及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5566341A (en) * 1992-10-05 1996-10-15 The Regents Of The University Of California Image matrix processor for fast multi-dimensional computations
CN101563623A (zh) * 2006-12-19 2009-10-21 皇家飞利浦电子股份有限公司 具有使用重采样的直接数字接收机的mri系统
US20140029819A1 (en) * 2012-07-30 2014-01-30 Gengsheng L. Zeng Method and system for generating image using filtered backprojection with noise weighting and or prior in
CN103797517A (zh) * 2011-09-12 2014-05-14 皇家飞利浦有限公司 针对有限角度断层摄影中的滤波反投影的图像重建的方法
US20140254905A1 (en) * 2013-03-11 2014-09-11 General Electric Company Computed tomography image reconstruction
US20160300367A1 (en) * 2015-04-10 2016-10-13 Kabushiki Kaisha Toshiba Method and apparatus of resampling and averaging to obtain tilted thick-slice computed tomography images
CN107341838A (zh) * 2017-07-11 2017-11-10 上海联影医疗科技有限公司 一种ct图像重建方法和装置
CN108629835A (zh) * 2017-03-20 2018-10-09 哈尔滨工业大学 基于高光谱、真彩图与点云互补的室内重建方法及系统
CN109255825A (zh) * 2018-09-28 2019-01-22 上海联影医疗科技有限公司 用于实现正投影的方法、装置、存储介质以及图像重建方法
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
CN111445547A (zh) * 2020-03-20 2020-07-24 中国科学院深圳先进技术研究院 一种基于神经网络的网格化磁共振图像重建方法和装置
CN112562030A (zh) * 2020-12-08 2021-03-26 赛诺威盛科技（北京）有限公司 图像重建方法、装置和电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5566341A (en) * 1992-10-05 1996-10-15 The Regents Of The University Of California Image matrix processor for fast multi-dimensional computations
CN101563623A (zh) * 2006-12-19 2009-10-21 皇家飞利浦电子股份有限公司 具有使用重采样的直接数字接收机的mri系统
CN103797517A (zh) * 2011-09-12 2014-05-14 皇家飞利浦有限公司 针对有限角度断层摄影中的滤波反投影的图像重建的方法
US20140029819A1 (en) * 2012-07-30 2014-01-30 Gengsheng L. Zeng Method and system for generating image using filtered backprojection with noise weighting and or prior in
US20140254905A1 (en) * 2013-03-11 2014-09-11 General Electric Company Computed tomography image reconstruction
US20160300367A1 (en) * 2015-04-10 2016-10-13 Kabushiki Kaisha Toshiba Method and apparatus of resampling and averaging to obtain tilted thick-slice computed tomography images
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
CN108629835A (zh) * 2017-03-20 2018-10-09 哈尔滨工业大学 基于高光谱、真彩图与点云互补的室内重建方法及系统
CN107341838A (zh) * 2017-07-11 2017-11-10 上海联影医疗科技有限公司 一种ct图像重建方法和装置
CN109255825A (zh) * 2018-09-28 2019-01-22 上海联影医疗科技有限公司 用于实现正投影的方法、装置、存储介质以及图像重建方法
CN111445547A (zh) * 2020-03-20 2020-07-24 中国科学院深圳先进技术研究院 一种基于神经网络的网格化磁共振图像重建方法和装置
CN112562030A (zh) * 2020-12-08 2021-03-26 赛诺威盛科技（北京）有限公司 图像重建方法、装置和电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363247A (zh) * 2023-03-29 2023-06-30 赛诺威盛医疗科技(扬州)有限公司 高像素图像的ct重建方法、装置及存储介质
CN116580115A (zh) * 2023-03-29 2023-08-11 赛诺威盛医疗科技(扬州)有限公司 螺旋ct图像迭代重建方法、装置及存储介质
CN116363247B (zh) * 2023-03-29 2023-10-20 赛诺威盛医疗科技(扬州)有限公司 高像素图像的ct重建方法、装置及存储介质
CN116580115B (zh) * 2023-03-29 2023-12-05 赛诺威盛医疗科技(扬州)有限公司 螺旋ct图像迭代重建方法、装置及存储介质

Also Published As

Publication number Publication date
CN113112561B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN111242137B (zh) 一种基于形态成分分析的椒盐噪声滤波方法、装置
CN111275626B (zh) 一种基于模糊度的视频去模糊方法、装置及设备
JP6507846B2 (ja) 画像ノイズ除去方法及び画像ノイズ除去装置
EP1347410B1 (en) Edge-based enlargement and interpolation of images
CN113112561B (zh) 图像重建方法、装置和电子设备
US9449371B1 (en) True motion based temporal-spatial IIR filter for video
CN110874827B (zh) 湍流图像复原方法、装置、终端设备及计算机可读介质
CN109214996B (zh) 一种图像处理方法及装置
US20210185285A1 (en) Image processing method and apparatus, electronic device, and readable storage medium
CN108846818A (zh) 去除摩尔纹的方法、装置、终端及计算机可读存储介质
US11238560B2 (en) Image down-scaling with pixel sets selected via blue noise sampling
CN111882565A (zh) 一种图像二值化方法、装置、设备及存储介质
Vasanth et al. An adaptive content based closer proximity pixel replacement algorithm for high density salt and pepper noise removal in images
CN110913230A (zh) 一种视频帧预测方法、装置及终端设备
WO2016186927A1 (en) Systems and methods for performing self-similarity upsampling
US8380011B2 (en) Fast directional image interpolator with difference projection
CN111784733B (zh) 图像处理方法、装置、终端和计算机可读存储介质
CN114677280A (zh) 生成全景图像的方法、装置、设备和程序产品
WO2020241337A1 (ja) 画像処理装置
CN113284075A (zh) 图像去噪方法、装置以及电子设备、存储介质
Jung et al. Kernel design for real-time denoising implementation in low-resolution images
JP6625165B2 (ja) 画像処理装置、画像処理方法、およびプログラム
CN112581362A (zh) 用于调整图像细节的图像处理方法和装置
KR20130059546A (ko) 에지 기반 영상 보간 방법 및 이러한 방법을 사용하는 장치
Lin et al. An iterative enhanced super-resolution system with edge-dominated interpolation and adaptive enhancements

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