CN113313649B - 图像重建方法及装置 - Google Patents

图像重建方法及装置 Download PDF

Info

Publication number
CN113313649B
CN113313649B CN202110610746.4A CN202110610746A CN113313649B CN 113313649 B CN113313649 B CN 113313649B CN 202110610746 A CN202110610746 A CN 202110610746A CN 113313649 B CN113313649 B CN 113313649B
Authority
CN
China
Prior art keywords
correction
pixel
corrected
gradient
image
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
Application number
CN202110610746.4A
Other languages
English (en)
Other versions
CN113313649A (zh
Inventor
袁洲
马艳歌
钟健
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202110610746.4A priority Critical patent/CN113313649B/zh
Publication of CN113313649A publication Critical patent/CN113313649A/zh
Priority to EP22815268.2A priority patent/EP4327271A1/en
Priority to PCT/CN2022/096238 priority patent/WO2022253223A1/en
Application granted granted Critical
Publication of CN113313649B publication Critical patent/CN113313649B/zh
Priority to US18/516,890 priority patent/US20240087186A1/en
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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像重建方法和装置，其中，该方法包括：获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域；其中，所述预处理包括图像分割处理和空气校正处理；基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正；基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。本发明实施例的技术方案，可以减轻由于过度曝光引起的断层图像中出现的目标对象边缘过亮或过暗的伪影，较好地确定受过度曝光影响的像素长度，提升重建图像的图像质量。

Description

图像重建方法及装置
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种图像重建方法、装置电子设备及存储介质。
背景技术
近年来，锥形束计算机断层扫描(Cone Beam Computed Tomography，CBCT) 在医学诊断领域发挥着非常重要的作用。
由于图像采集的过程中，所采集的目标对象的差异性以及所采用的射线剂量都可能会对成像质量的影响，使得重建出的图像可能存在部分过度曝光的情况，影响图像质量。
目前，可以通过改进探测器的制造工艺，提高平板探测器的饱和剂量以及信噪比来减弱这种影响，但是这种方案会使得机器的成本提高，而且对制作工艺要求较高，不易实现。
发明内容
本发明实施例提供了一种图像重建方法、装置电子设备及存储介质，以实现高质量的图像重建。
第一方面，本发明实施例提供了一种图像重建方法，该方法包括：
获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域；其中，所述预处理包括图像分割处理和空气校正处理；
基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正；
基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
第二方面，本发明实施例还提供了一种图像重建装置，该装置包括：
预处理模块，用于获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域；其中，所述预处理包括图像分割处理和空气校正处理；
修正模块，用于基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正；
重建模块，用于基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例提供的图像重建方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例提供的图像重建方法。
本发明实施例的技术方案，通过对投影图像进行图像分割处理和空气校正处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域，并非对重建图像的后处理，而是对投影图像的原始投影数据进行处理，能够使得图像重建后的即可得到较高的图像质量。进而，基于第一校正区域中的像素点的空气校正值对第二校正区域中的像素点的空气校正值进行修正，能够通过投影图像中正常曝光区域的像素点对过度曝光区域的像素点进行估算，充分考虑了目标对象本身的组织特性，可以减轻由于过度曝光引起的断层图像中出现的目标对象边缘过亮或过暗的伪影，较好地确定被过度曝光所影响的像素长度，最后，基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像，从而提升了重建图像的图像质量。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
图1是本发明实施例一所提供的一种图像重建方法的流程示意图；
图2是本发明实施例二提供的一种图像重建方法的流程示意图；
图3是本发明实施例三提供的一种图像重建方法的流程示意图；
图4为本发明实施例四所提供的投影图像中在空气校正处理后第j行的像素点的示意图；
图5是本发明实施例四提供的一种图像重建装置的结构示意图；
图6是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在介绍本发明实施例的图像重建方法之前，为了便于理解，先借助锥形束计算机断层扫描的成像过程对本发明技术方案的应用场景进行介绍。
近年来，锥形束计算机断层扫描(Cone Beam Computed Tomography， CBCT)在医学诊断领域发挥着不可替代的作用。通俗的讲，其大致的原理是：先将采集的目标对象看成是许多立方体小块(即体素)，当x射线穿过目标对象时，由于目标对象的不同组织对x射线的衰减不同，其总衰减等于X射线经过的各个体素对X射线衰减的总和，这样通过探测器接收到的x射线强度可以反映出目标对象各种组织的信息。随着球管和探测器的旋转，可以在不同角度下采集图像，进而根据不同角度下采集的图像，通过计算机重建算法，可以重建出目标对象各个体素的衰减系数，也就是断层图像，这些断层图像可用于辅助医生诊断。
球管发射出的X射线穿过患者后照射到探测器上，首先会被探测器所吸收转化为电信号，这些电信号被计算机获取进而转化为图像中的像素灰度，所以图像中的像素灰度与照射到探测器上的X射线的剂量成正相关的关系。但是，由于探测器本身具有最大的饱和剂量的限制，即当照射到探测器上的X射线的剂量大于一个阈值时，会导致图像中的像素灰度达到一个最大值之后不再增长，也就不能真实的反映出目标对象的组织结构信息。而且，照射到探测器上的X 射线的剂量也不能过小，因为过小的剂量会导致图像中的噪声变大，信噪比降低，降低图像中一些解剖结构边缘的对比度，甚至有一些较小的结构信息会变得肉眼不可见。
目前X射线诊断设备，例如CBCT，在对患者进行照射时需要自动控制球管输出剂量，其目的是在患者接收到较少剂量的X射线的前提下，使想要拍摄的感兴趣区域内的信噪比足够大。但是众所周知，被拍摄的目标对象的不同拍摄部位的几何结构必然不是完全一致的，例如，人的头部类似于一个椭球结构，椭球的边缘必然比中心要薄，此时如果要使图像中椭球的中心部位信噪比较高，那么图像中椭球的边缘部分以及空气部分就很有可能出现过度曝光的情况。
如果对这种过度曝光不进行处理，就会导致重建后的断层图像中，拍摄部位的边缘部分变暗。如果将过度曝光部分全部按照空气进行处理，就会导致本应该是目标对象的拍摄部位边缘部分的数据变成了空气数据，也就是说拍摄部位的部分数据被截断了，这会导致重建后的断层图像中，边缘部分变亮。这种图像中拍摄部位边缘变亮或者变暗的现象，会掩盖拍摄部位边缘的结构信息，从而影响成像质量。
实施例一
图1为本发明实施例一所提供的一种图像重建方法的流程示意图，本实施例可适用于消除在图像采集过程中由于过度曝光引起的图像伪影的情况，该方法可以由图像重建装置来执行，该装置可以由软件和/或硬件实现。
如图1所示，本实施例的方法具体可包括如下步骤：
S110、获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域。
其中，目标对象可以理解为是需要采集投影图像的对象。示例性地，目标对象具体可以是人体部位、动物部位或者拍摄模型等，在此并不做具体限定。
在本发明实施例中，所述预处理可以包括但不仅限于对投影图像进行图像分割处理和空气校正处理。例如，预处理还可以包括对投影图像进行滤波处理等。可以通过对所述投影图像进行图像分割处理和空气校正处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域。需要说明的是，图像分割处理和空气校正处理的执行顺序为串行执行，但图像分割处理和空气校正处理的先后顺序可以互换，在此并不对先执行图像分割处理，还是先执行空气校正处理进行限定。
可选地，先对所述投影图像进行图像分割处理，进而，对分割后的投影图像进行空气校正处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域。具体可以是，对所述投影图像进行图像分割处理，得到所述投影图像的正常曝光区域和过度曝光区域，进而，对所述正常曝光区域和所述过度曝光区域进行空气校正，得到与所述正常曝光区域对应的第一校正区域和与所述过度曝光区域对应的第二校正区域。
可选地，先对所述投影图像进行空气校正处理，进而，对分割后的投影图像进行图像分割处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域。具体可以是，对所述投影图像进行空气校正，得空气校正图像，对所述空气校正图像进行图像分割处理，得到与所述空气校正图像中的正常曝光区域对应的第一校正区域和与所述空气校正图像中的过度曝光区域对应的第二校正区域。
在本发明实施例中，可以基于对空气进行扫描得到的空气数据，对投影图像进行空气校正处理，可选是对过度曝光区域对应的第二校正区域的像素点赋值为零。
S120、基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正。
由前述内容可知，第一校正区域中为正常曝光区域的像素点，因此，第一校正区域的像素点的空气校正值能够更为反馈目标对象的真实信息，通常其空气校正值不为零。第二校正区域中的像素点为过度曝光区域的像素点，直接进行图像重建容易产生图像伪影，为了保证重建图像的图像质量，可以先对其空气校正值进行修正。
在发明实施例中，可以根据第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值，换言之，可以根据未赋值为零的像素点的数据对赋值为零的像素点中截断部分的数据进行估算。
具体地，基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正之前，可以包括：确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点，其中，所述参考像素点为所述第一校正区域中的像素点或所述第二校正区域中空气校正值已修正的像素点；基于所述参考像素点的空气校正值对所述当前待修正像素点的空气校正值进行修正。
可选地，确定与所述第二校正区域中所述当前待校正像素点对应的参考像素点，包括下述操作中的至少一种：
将与所述当前待校正像素点相邻且空气校正值已被修正的像素点作为与所述第二校正区域中的当前待校正像素点对应的参考像素点；
将与所述当前待校正像素点相邻且位于所述第一校正区域的像素点作为与所述第二校正区域中的当前待校正像素点对应的参考像素点；
确定出所述第一校正区域中与当前待校正像素点属于相同组织属性且邻近与所述当前待校正像素点的像素点，作为所述第二校正区域中所述当前待校正像素点对应的参考像素点；
如果所述目标对象为对称结构，则确定出所述第一校正区域中与当前待校正像素点属于相同组织属性且与所述当前待校正像素点的位置对称的像素点，作为所述第二校正区域中所述当前待校正像素点对应的参考像素点。
S130、基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
由前述内容可知，本发明实施例的技术方案中，正常曝光区域对应的第一校正区域的像素点的空气校正值保持不变，对过度曝光区域对应的第二校正区域的像素点的空气校正值进行修正，进而第一校正区域和修正后的第二校正区域进行图像重建，在保留真实数据的基础上，基于真实数据对过度曝光影响的数据进行修正，从而保证了原始投影数据的准确性，减少了重建后的重建图像由于过度曝光造成的图像伪影，提升了重建图像的图像质量。
需要说明的是，基于投影图像的第一校正区域和修正后的第二校正区域进行图像重建的方法可以采用现有的图像重建方法，在此不再赘述。
本实施例的技术方案，通过对投影图像进行图像分割处理和空气校正处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域，并非对重建图像的后处理，而是对投影图像的原始投影数据进行处理，能够使得图像重建后的即可得到较高的图像质量。进而，基于第一校正区域中的像素点的空气校正值对第二校正区域中的像素点的空气校正值进行修正，能够通过投影图像中正常曝光区域的像素点对过度曝光区域的像素点进行估算，充分考虑了目标对象本身的组织特性，可以减轻由于过度曝光引起的断层图像中出现的目标对象边缘过亮或过暗的伪影，较好地确定受过度曝光影响的像素长度，最后，基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像，从而提升了重建图像的图像质量。
一般地，第二校正区域的像素点的空气校正值应该大于或者等于零。因此，可以通过第二校正区域的像素点的空气校正值是否大于或者等于零确定第二校正区域的像素点是不是已将全部修正结束。
可选地，在所述基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正之后，所述基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像之前，还包括：如果检测到所述第二校正区域中的当前待修正像素点修正后的空气校正值为零，则将所述当前待修正像素点作为终止修正点；
考虑到第二校正区域的像素点的空气校正值校正后可能会出现小于零的情况，此时可以是，如果检测到所述第二校正区域中的当前待修正像素点修正后的空气校正值小于零，则将所述当前待修正像素点的空气修正值调整为零，并将所述当前待修正像素点作为终止修正点。
可选地，如果检测到所述第二校正区域中的当前已修正的像素点的数量达到预设数量阈值，且当前待修正像素点修正后的空气校正值仍大于零，则将所述当前待修正像素点作为终止修正点，并基于预设先验模型对所述当前已修正的像素点的空气校正值分别进行加权计算，以对所述第二校正区域中的像素点的空气校正值进行修正。
其中，预设数量阈值的具体数值可以根据实际需求进行设置，在此并不做限定。该预设数量阈值可以理解为最大截断长度。可以保留最大截断长度内估算的数据，将最大截断长度外估算的数据赋值为零。示例性地，预设数量阈值可以根据目标对象的组织属性和/或采集所述投影图像时的辐射剂量确定。
本发明实施例中，预设先验模型可以理解为基于先验经验确定的与第二校正区域中每个像素点对应的权重值的集合。预设先验模型可用于对最大截断长度内估算的数据进行权重修正。其中，权重值是根据先验模型预先获得的，可以根据实际需求预先设置的处于0到1之间的数值，在此对每个像素点对应的具体权重数值不做限定。可以理解的是，不同像素点可以对应于不同的权重值，也可以对应于相同的权重值。
示例性地，预设先验模型中的权重值可以按照第二校正区域中的像素点的空气校正值的修正顺序由先到后依次降低。以最大截断长度为6个像素点为例，预设先验模型可以是[1.0,0.8,0.6,0.4,0.2,0]。
可选地，先验模型可以是正弦函数、余弦函数或其他数学函数，或者是根据预先采集的目标对象的采集数据进行处理所得到的。
本发实施例的技术方案，可以先根据未被过度曝光影响的正常曝光区域中的像素点或者已修正的像素点的局部像素梯度信息，估算出过度曝光区域的图像数据，然后根据预设先验模型对不满足条件的数据再次进行修正，用修正后的数据代替过度曝光区域的数据，可以有效提高算法的鲁棒性。
实施例二
图2为本发明实施例二所提供一种图像重建方法的流程示意图，本实施例在本发明实施例中任一可选技术方案的基础上，可选地，所述基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正，包括：确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点，其中，所述参考像素点为所述第一校正区域中的像素点或所述第二校正区域中空气校正值已修正的像素点；确定与所述当前待修正像素点对应的梯度参考点，并计算所述梯度参考点的局部像素梯度作为与所述当前待修正像素点对应的局部像素梯度；基于所述参考像素点的空气校正值以及与所述局部像素梯度对所述当前待修正像素点的空气校正值进行修正。
在上述可选技术方案的基础上，可选地，所述确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点，包括：针对所述投影图像中每一行的像素点，将第一校正区域与所述第二校正区域的临界像素点作为起始修正点，将所述起始修正点作为当前待修正像素点；基于所述第二校正区域中的各个像素点之间的相邻关系更新所述第二校正区域中的当前待修正像素点；将与所述当前待修正像素点相邻的像素点作为与所述当前待修正像素点对应的参考像素点。
在上述可选技术方案的基础上，可选地，所述基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的数量，计算所述梯度参考点的局部像素梯度，包括：计算两个梯度估计点的空气校正值之间的像素差值，并确定所述两个梯度估计点之间的像素间距的间距数量；将所述差值除以所述间距数量得到的商数作为所述梯度参考点的局部像素梯度。
如图2所示，本实施例的方法具体可包括如下步骤：
S210、获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域。
其中，所述预处理包括图像分割处理和空气校正处理。
S220、确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点。
其中，所述参考像素点为所述第一校正区域中的像素点或所述第二校正区域中空气校正值已修正的像素点。
由于空气校正处理后的第二校正区域中的像素点的空气校正值全部为0，此时可以逐个修正第二校正区域中的像素点的空气校正值。具体地，可以逐个确定第二校正区域中的当前待修正像素点。
可选地，针对所述投影图像中每一行的像素点，将第一校正区域与所述第二校正区域的临界像素点作为起始修正点，将所述起始修正点作为当前待修正像素点；基于所述第二校正区域中的各个像素点之间的相邻关系更新所述第二校正区域中的当前待修正像素点；将与所述当前待修正像素点相邻的像素点作为与所述当前待修正像素点对应的参考像素点。这样设置的好处在于，可以根据目标对象的投影图像中采集信息的连续性对第二校正区域中的各个像素点逐个进行修复，以保证像素点修正的准确性。
具体地，基于第二校正区域中的各个像素点之间的相邻关系更新所述第二校正区域中的当前待修正像素点，可以是，如果当前待修正的像素点已经被修正，则获取所述第二校正区域中与所述当前待修正像素点对应的像素行中与所述当前待修正像素点相邻的未被修正的像素点作为当前待修正像素点。
需要说明的是，所述当前待修正像素点对应的参考像素点为与所述当前待修正像素点相邻且位于第一校正区域的像素点，或者与所述当前待修正像素点相邻且第二校正区域中已被修正的像素点。
S230、确定与所述当前待修正像素点对应的梯度参考点，并计算所述梯度参考点的局部像素梯度作为与所述当前待修正像素点对应的局部像素梯度。
可选地，确定第一校正区域与所述第二校正区域的临界像素点，将与所述当前待修正像素点位于同一行且与所述当前待修正像素点关于临界像素点对称的像素点作为与所述当前待修正像素点对应的梯度参考点。
可选地，确定与所述当前待修正像素点对应的梯度参考点包括：获取与所述参考像素点相邻的像素点作为梯度参考点，其中，梯度参考点为与所述参考像素点相邻且位于第一校正区域的像素点，或者与所述参考像素点相邻且第二校正区域中已被修正的像素点。
可选地，计算所述梯度参考点的局部像素梯度，可以基于两个梯度估计点计算，也可以是基于两个以上的梯度估计点计算，当基于多个梯度估计点进行计算时，可以是每两个梯度估计点计算出一个局部像素梯度，进而求至少两个局部像素梯度的平均值，将该平均值作为所述梯度参考点的局部像素梯度，或者，也可以基于预设的梯度筛选条件从多个局部像素梯度选取做一个作为梯度参考点的局部像素梯度。例如，可以选取最小的局部像素梯度作为梯度参考点的局部像素梯度。
需要说明的是，以上局部像素梯度的确定方式仅仅是示例性说明，而并非对局部像素梯度的限定，局部像素梯度的确定方式可以基于梯度估计点的选取方式确定。
具体地，计算所述梯度参考点的局部像素梯度，可包括：基于所述梯度参考点确定两个梯度估计点；基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的间距数量，计算所述梯度参考点的局部像素梯度。
其中，梯度估计点的确定方式可以有很多种。可选地，基于所述梯度参考点确定两个梯度估计点，包括：基于梯度参考点确定出包含所述梯度参考点的像素区间，将所述像素区间的两个区间端点对应的像素点作为两个梯度估计点。
S240、基于所述参考像素点的空气校正值以及与所述局部像素梯度对所述当前待修正像素点的空气校正值进行修正。
具体地，计算所述参考像素点的空气校正值与所述局部像素梯度的修正差值，将所述修正差值作为所述当前待修正像素点的空气校正值。即，将所述参考像素点的空气校正值减去所述局部像素梯度，即可得到当前待修正像素点的修正后的空气校正值。
S250、基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
本实施例的技术方案，通过参考像素点的空气校正值以及当前待修正像素点对应的局部像素梯度对所述当前待修正像素点的空气校正值进行修正，根据投影图像中未被过度曝光影响的正常曝光区域中图像区域的局部像素梯度信息，估算出的第二校正区域的像素点的空气校正值，可以更好更为准确地确定出被过度曝光所影响的第二校正区域的像素长度，从而保证重建图像的质量。
实施例三
图3为本发明实施例三所提供一种图像重建方法的流程示意图，本实施例在本发明实施例中任一可选技术方案的基础上，可选地，所述计算所述梯度参考点的局部像素梯度，包括：基于所述梯度参考点确定两个梯度估计点；基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的间距数量，计算所述梯度参考点的局部像素梯度。
可选地，所述基于所述梯度参考点确定两个梯度估计点，包括下述操作中的至少一项：将所述梯度参考点作为一个梯度估计点，并将与所述梯度参考点位于同一行且间隔第一预设数量的像素点的像素点确定为另一个梯度估计点；将与所述梯度参考点位于同一行且间隔第二预设数量的像素点的像素点作为一个梯度估计点，将与所述梯度参考点位于同一行且间隔第三预设数量的像素点的像素点作为另一个梯度估计点，其中，所述梯度参考点位于两个所述梯度估计点之间。
可选地，所述基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的数量，计算所述梯度参考点的局部像素梯度，包括：计算两个梯度估计点的空气校正值之间的像素差值，并确定所述两个梯度估计点之间的像素间距的间距数量；将所述差值除以所述间距数量得到的商数作为所述梯度参考点的局部像素梯度。
如图3所示，本实施例的方法具体可包括如下步骤：
S310、获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域。
其中，所述预处理包括图像分割处理和空气校正处理。
S320、确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点。
其中，所述参考像素点为所述第一校正区域中的像素点或所述第二校正区域中空气校正值已修正的像素点。
S330、确定与所述当前待修正像素点对应的梯度参考点，并基于所述梯度参考点确定两个梯度估计点。
在本发明实施例中，可选地，所述基于所述梯度参考点确定两个梯度估计点，包括：将所述梯度参考点作为一个梯度估计点，并将与所述梯度参考点位于同一行且间隔第一预设数量的像素点的像素点确定为另一个梯度估计点。
可选地，所述基于所述梯度参考点确定两个梯度估计点，包括：将与所述梯度参考点位于同一行且间隔第二预设数量的像素点的像素点作为一个梯度估计点，将与所述梯度参考点位于同一行且间隔第三预设数量的像素点的像素点作为另一个梯度估计点，其中，所述梯度参考点位于两个所述梯度估计点之间。
其中，第一预设数量、第二预设数量和第三预设数量可以相同也可以不相同。第一预设数量、第二预设数量和第三预设数量的具体数值可以根据实际情况进行设置，在此并不做具体限定。
S340、基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的间距数量，计算所述梯度参考点的局部像素梯度，并将计算出的所述梯度参考点的局部像素梯度作为与所述当前待修正像素点对应的局部像素梯度。
具体地，可以计算两个梯度估计点的空气校正值之间的像素差值，并确定所述两个梯度估计点之间的像素间距的间距数量；将所述差值除以所述间距数量得到的商数作为所述梯度参考点的局部像素梯度。
S350、基于所述参考像素点的空气校正值以及与所述局部像素梯度对所述当前待修正像素点的空气校正值进行修正。
S360、基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
本实施例的技术方案，通过邻近参考像素点的梯度估计点确定当前待修正像素点对应的局部像素梯度，能够更加准确地确定出当前待修正像素点对应的局部像素梯度，进而基于所述参考像素点的空气校正值以及与所述局部像素梯度对所述当前待修正像素点的空气校正值进行修正，根据投影图像中未被过度曝光影响的正常曝光区域中图像区域的局部像素梯度信息，估算出的第二校正区域的像素点的空气校正值，可以更好更为准确地确定出被过度曝光所影响的第二校正区域的像素长度，从而保证重建图像的质量。
实施例四
本实施例提供了一种图像重建方法的可选实例。本实施例的图像重建方法具体可以是，首先，获取采集到的目标对象的投影图像，并对所述投影图像进行图像分割处理，得到所述投影图像的正常曝光区域和过度曝光区域，对所述正常曝光区域和所述过度曝光区域进行空气校正，得到与所述正常曝光区域对应的第一校正区域和与所述过度曝光区域对应的第二校正区域。然后，基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正。最后，根据修正后的投影图像进行重建，将重建后的断层图像输出。此时，输出的断层图像中不会出现由于过度曝光所引起的图像中被拍摄患者边缘过暗的问题。其中，在空气校正图像中对过度曝光区域的像素点赋值为零。
一般地，图像存在过度曝光部分可以分为以下两种情况：一种是，图像中的过度曝光部分对应的拍摄物体完全是空气，此时，过度曝光部分已经完全赋值为零，也就是说，空气校正处理之后图像中拍摄的空气部分对应的素点的值为零，符合真实的影像链物理过程，此时，重建后的断层图像不会出现由于过度曝光所引起的图像伪影；另一种是，图像中的过度曝光部分对应的拍摄物体除了空气还有被拍摄的目标对象的边缘部分，因为目标对象边缘的部分一般比较薄，经过目标对象边缘部分衰减之后的X射线照射到探测器上时，很有可能依然引起了探测器的过度曝光，也就是说，在空气校正图像中对过度曝光区域的像素点赋值为零之后，此时的空气校正数据相对于理论上的图像数据出现了由于过度曝光引起的图像截断的问题，所以，重建之后的断层图像中被拍摄的目标对象的边缘部分由校正前的过暗会转变为校正后的过亮。为了解决这个过亮的伪影，可以根据空气校正后未赋值为零的像素点的数据对赋值为零的像素点中截断部分的数据进行估算。即，基于投影图像的第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行估算。
具体估算过程如下：
以对第i张投影图像第j行像素点为例，对本发明实施例的图像重建方法进行介绍，对于第i张投影图像，选取第j行数据。其中，i的取值可以为1到N的正整数，N为采集到的投影图像总数；j的取值可以为1到M的正整数,M为投影图像的像素行的总数量。对于第j行数据的左侧过度曝光区域和右侧过度曝光区域分别估算截断部分的数据。
图4为本发明实施例所提供的投影图像中在空气校正处理后第行的像素点的示意图。如图4所示，以估算右侧过度曝光区域截断部分的数据为例。kend代表从左侧数最后一个空气校正值不为零的像素点，即，第一校正区域与所述第二校正区域的临界像素点。kend-m代表从左侧数倒数第m+1个空气校正值不为零的像素点。kend+1代表从kend开始数第一个空气校正值等于零的像素点,kend+m代表从kend开始数第m个空气校正值等于零的像素点。
如果将与所述当前待修正像素点位于同一行且与所述当前待修正像素点关于临界像素点对称的像素点作为与所述当前待修正像素点对应的梯度参考点。那么根据以下公式估算第二校正区域中待修正像素点kend+1到待修正像素点 kend+m的空气校正值：
当前待修正像素点kend+1的空气校正值＝参考像素点kend的空气校正值- 梯度参考点kend-1的局部像素梯度；
…
当前待修正像素点kend+m的空气校正值＝参考像素点kend+m-1的空气校正值-梯度参考点Kend-m的局部像素梯度；
其中，梯度参考点kend-m的局部像素梯度可以是左梯度、右梯度或中心梯度。
左梯度对应公式可以为：
梯度参考点kend-m的局部像素梯度＝(梯度估计点kend-m-n的空气校正值- 梯度估计点kend-m的空气校正值)/n；
右梯度对应公式可以为：
梯度参考点kend-m的局部像素梯度＝(像素点kend-m的空气校正值- kend-m+n像素点的空气校正值)/n；
中心梯度对应公式可以为：
梯度参考点kend-m的局部像素梯度＝(梯度估计点kend-m-n的空气校正值- 梯度估计点kend-m+n的空气校正值)/2/n；
其中，n是可变的正整数，代表不同尺度下的局部像素梯度，例如，n可以取1,2或3等。
由于实际应用中，可能会出现估算出的待修正像素点kend+m的空气校正值小于零的情况，而理论上修正后的像素点kend+m的空气校正值应该大于或者等于零。所以，当修正后的像素点kend+m的空气校正值小于零时，将修正后的像素点kend+m的空气校正值赋值为零，并且结束估算。如果当前待修正像素点 kend+m已经是第j行数据的最后一个像素点，即，end+m＝M,或者，m大于预设数量阈值，且当前待修正像素点kend+1修正后的空气校正值依然大于零，此时，需要结合预设先验模型对前述已基于局部像素梯度估计的空气校正值进行再修正，修正方法可以是：计算最大截断长度，保留最大截断长度内估算的数据，将最大截断长度外估算的数据赋值为零。对最大截断长度内估算的数据进行权重修正，其中，权重是根据预设先验模型预先获得的。
其中，最大截断长度＝min(预设的最大预设长度,m)。预设先验模型可以是正弦函数、余弦函数或其他数学函数，或者是根据预先采集的目标对象的采集数据进行处理所得到的。
例如，最大截断长度等于p，预设先验模型为y＝1/(p-1)*x,其中 x＝p-1,…,1,0。y为用于修正已修正过的待修正像素点的权重。当p＝6 时,y＝[1.0,0.8,0.6,0.4,0.2,0]。此时,将待修正像素点kend+1到待修正像素点 kend+p的空气校正值分别与其对应的权重相乘，得到再次修正后的空气校正值，并作为最终的空气校正值。例如，kend+1＝kend+1*1.0，kend+2＝kend+2* 0.8，……，kend+p＝kend+p*0。
以上是以对右侧数据进行估算为例进行介绍，对左侧数据的估算方法与对右侧数据的估算方法类似，在此不再赘述。
本发明实施例中的图像重建方法，尤其适用于对X射线图像的过度曝光进行校正的场景，该方法根据未被过度曝光影响的正常曝光区域的图像数据的局部像素梯度信息，估算出过度曝光区域的图像数据，然后根据预设先验模型对数据进行修正，用修正后的数据代替过度曝光部分的数据，可以减轻由于过度曝光引起的断层图像中出现的图像边缘过亮或过暗的伪影，其最大优点是，根据未被过度曝光影响的图像区域中数据的局部像素梯度信息估算出的数据可以较好地确定被过度曝光所影响的像素长度，结合预设先验模型对初始估计的数据进行进一步地修正，可以提高算法的鲁棒性。
实施例五
图5为本发明实施例四所提供的一种图像重建装置的结构示意图，可适用于消除在图像采集过程中由于过度曝光引起的图像伪影的情况，该装置可以由软件和/或硬件实现。如图5所示，该图像重建装置可包括：预处理模块510、修正模块520和重建模块530。
其中，预处理模块510，用于获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域；其中，所述预处理包括图像分割处理和空气校正处理；修正模块520，用于基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正；重建模块530，用于基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
本发明实施例的技术方案，通过对投影图像进行图像分割处理和空气校正处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域，并非对重建图像的后处理，而是对投影图像的原始投影数据进行处理，能够使得图像重建后的即可得到较高的图像质量。进而，基于第一校正区域中的像素点的空气校正值对第二校正区域中的像素点的空气校正值进行修正，能够通过投影图像中正常曝光区域的像素点对过度曝光区域的像素点进行估算，充分考虑了目标对象本身的组织特性，可以减轻由于过度曝光引起的断层图像中出现的目标对象边缘过亮或过暗的伪影，较好地确定受过度曝光影响的像素长度，最后，基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像，从而提升了重建图像的图像质量。
在本发明实施例任一可选技术方案的基础上，可选地，所述修正模块包括：像素点确定单元、像素梯度计算单元和空气校正值修正单元。
其中，像素点确定单元，用于确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点，其中，所述参考像素点为所述第一校正区域中的像素点或所述第二校正区域中空气校正值已修正的像素点；像素梯度计算单元，用于确定与所述当前待修正像素点对应的梯度参考点，并计算所述梯度参考点的局部像素梯度作为与所述当前待修正像素点对应的局部像素梯度；空气校正值修正单元，用于基于所述参考像素点的空气校正值以及与所述局部像素梯度对所述当前待修正像素点的空气校正值进行修正。
在本发明实施例任一可选技术方案的基础上，可选地，所述像素点确定单元包括：当前待修正像素点确定子单元、当前待修正像素点更新子单元和参考像素点确定单元。
其中，当前待修正像素点确定子单元，用于针对所述投影图像中每一行的像素点，将第一校正区域与所述第二校正区域的临界像素点作为起始修正点，将所述起始修正点作为当前待修正像素点；当前待修正像素点更新子单元，用于基于所述第二校正区域中的各个像素点之间的相邻关系更新所述第二校正区域中的当前待修正像素点；参考像素点确定单元，用于将与所述当前待修正像素点相邻的像素点作为与所述当前待修正像素点对应的参考像素点。
在本发明实施例任一可选技术方案的基础上，可选地，所述像素梯度计算单元包括：梯度估计点确定子单元和局部像素梯度计算子单元。
其中，梯度估计点确定子单元，用于基于所述梯度参考点确定两个梯度估计点；局部像素梯度计算子单元，用于基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的间距数量，计算所述梯度参考点的局部像素梯度。
在本发明实施例任一可选技术方案的基础上，可选地，所述局部像素梯度计算子单元用于执行下述操作中的至少一项：
计算两个梯度估计点的空气校正值之间的像素差值，并确定所述两个梯度估计点之间的像素间距的间距数量；
将所述差值除以所述间距数量得到的商数作为所述梯度参考点的局部像素梯度。
在本发明实施例任一可选技术方案的基础上，可选地，所述梯度估计点确定子单元用于执行下述操作中的至少一项：
将所述梯度参考点作为一个梯度估计点，并将与所述梯度参考点位于同一行且间隔第一预设数量的像素点的像素点确定为另一个梯度估计点；
将与所述梯度参考点位于同一行且间隔第二预设数量的像素点的像素点作为一个梯度估计点，将与所述梯度参考点位于同一行且间隔第三预设数量的像素点的像素点作为另一个梯度估计点，其中，所述梯度参考点位于两个所述梯度估计点之间。
在本发明实施例任一可选技术方案的基础上，可选地，所述修正模块用于：
计算所述参考像素点的空气校正值与所述局部像素梯度的修正差值，将所述修正差值作为所述当前待修正像素点的空气校正值。
在本发明实施例任一可选技术方案的基础上，可选地，所述图像重建装置还包括：
修正结果确定模块，用于在所述基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正之后，所述基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像之前，还包括下述操作中的至少一项：
如果检测到所述第二校正区域中的当前待修正像素点修正后的空气校正值为零，则将所述当前待修正像素点作为终止修正点；
如果检测到所述第二校正区域中的当前待修正像素点修正后的空气校正值小于零，则将所述当前待修正像素点的空气修正值调整为零，并将所述当前待修正像素点作为终止修正点；
如果检测到所述第二校正区域中的当前已修正的像素点的数量达到预设数量阈值，且当前待修正像素点修正后的空气校正值仍大于零，则将所述当前待修正像素点作为终止修正点，并基于预设先验模型对所述当前已修正的像素点的空气校正值分别进行加权计算，以对所述第二校正区域中的像素点的空气校正值进行修正。
在本发明实施例任一可选技术方案的基础上，可选地，所述预处理模块用于：
对所述投影图像进行图像分割处理，得到所述投影图像的正常曝光区域和过度曝光区域，对所述正常曝光区域和所述过度曝光区域进行空气校正，得到与所述正常曝光区域对应的第一校正区域和与所述过度曝光区域对应的第二校正区域；或者，
对所述投影图像进行空气校正，得空气校正图像，对所述空气校正图像进行图像分割处理，得到与所述空气校正图像中的正常曝光区域对应的第一校正区域和与所述空气校正图像中的过度曝光区域对应的第二校正区域。
上述图像重建装置可执行本发明任意实施例所提供的图像重建方法，具备执行图像重建方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例五所提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图6显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA) 总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA) 局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘 (例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM, DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O) 接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图6中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID 系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的一种图像重建方法。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种图像重建方法，该方法包括：
获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域；其中，所述预处理包括图像分割处理和空气校正处理；
基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正；
基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如 Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种图像重建方法，其特征在于，包括：
获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域；其中，所述预处理包括图像分割处理和空气校正处理；
基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正；
基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正，包括：
确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点，其中，所述参考像素点为所述第一校正区域中的像素点或所述第二校正区域中空气校正值已修正的像素点；
确定与所述当前待修正像素点对应的梯度参考点，并计算所述梯度参考点的局部像素梯度作为与所述当前待修正像素点对应的局部像素梯度；
基于所述参考像素点的空气校正值以及与所述局部像素梯度对所述当前待修正像素点的空气校正值进行修正。
3.根据权利要求2所述的方法，其特征在于，所述确定所述第二校正区域中的当前待修正像素点，以及与所述当前待校正像素点对应的参考像素点，包括：
针对所述投影图像中每一行的像素点，将第一校正区域与所述第二校正区域的临界像素点作为起始修正点，将所述起始修正点作为当前待修正像素点；
基于所述第二校正区域中的各个像素点之间的相邻关系更新所述第二校正区域中的当前待修正像素点；
将与所述当前待修正像素点相邻的像素点作为与所述当前待修正像素点对应的参考像素点。
4.根据权利要求2所述的方法，其特征在于，所述计算所述梯度参考点的局部像素梯度，包括：
基于所述梯度参考点确定两个梯度估计点；
基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的间距数量，计算所述梯度参考点的局部像素梯度。
5.根据权利要求4所述的方法，其特征在于，所述基于所述两个梯度估计点的空气校正值以及所述两个梯度估计点之间的像素间距的数量，计算所述梯度参考点的局部像素梯度，包括：
计算两个梯度估计点的空气校正值之间的像素差值，并确定所述两个梯度估计点之间的像素间距的间距数量；
将所述差值除以所述间距数量得到的商数作为所述梯度参考点的局部像素梯度。
6.根据权利要求4所述的方法，其特征在于，所述基于所述梯度参考点确定两个梯度估计点，包括下述操作中的至少一项：
将所述梯度参考点作为一个梯度估计点，并将与所述梯度参考点位于同一行且间隔第一预设数量的像素点的像素点确定为另一个梯度估计点；
将与所述梯度参考点位于同一行且间隔第二预设数量的像素点的像素点作为一个梯度估计点，将与所述梯度参考点位于同一行且间隔第三预设数量的像素点的像素点作为另一个梯度估计点，其中，所述梯度参考点位于两个所述梯度估计点之间。
7.根据权利要求2所述的方法，其特征在于，所述基于所述参考像素点的空气校正值以及与所述局部像素梯度对所述当前待修正像素点的空气校正值进行修正，包括：
计算所述参考像素点的空气校正值与所述局部像素梯度的修正差值，将所述修正差值作为所述当前待修正像素点的空气校正值。
8.根据权利要求1所述的方法，其特征在于，在所述基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正之后，所述基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像之前，还包括下述操作中的至少一项：
如果检测到所述第二校正区域中的当前待修正像素点修正后的空气校正值为零，则将所述当前待修正像素点作为终止修正点；
如果检测到所述第二校正区域中的当前待修正像素点修正后的空气校正值小于零，则将所述当前待修正像素点的空气修正值调整为零，并将所述当前待修正像素点作为终止修正点；
如果检测到所述第二校正区域中的当前已修正的像素点的数量达到预设数量阈值，且当前待修正像素点修正后的空气校正值仍大于零，则将所述当前待修正像素点作为终止修正点，并基于预设先验模型对所述当前已修正的像素点的空气校正值分别进行加权计算，以对所述第二校正区域中的像素点的空气校正值进行修正。
9.根据权利要求1所述的方法，其特征在于，所述对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域，包括：
对所述投影图像进行图像分割处理，得到所述投影图像的正常曝光区域和过度曝光区域，对所述正常曝光区域和所述过度曝光区域进行空气校正，得到与所述正常曝光区域对应的第一校正区域和与所述过度曝光区域对应的第二校正区域；或者，
对所述投影图像进行空气校正，得空气校正图像，对所述空气校正图像进行图像分割处理，得到与所述空气校正图像中的正常曝光区域对应的第一校正区域和与所述空气校正图像中的过度曝光区域对应的第二校正区域。
10.一种图像重建装置，其特征在于，包括：
预处理模块，用于获取采集到的目标对象的投影图像，并对所述投影图像进行预处理，得到与所述投影图像的正常曝光区域对应的第一校正区域和与所述投影图像的过度曝光区域对应的第二校正区域；其中，所述预处理包括图像分割处理和空气校正处理；
修正模块，用于基于所述第一校正区域中的像素点的空气校正值对所述第二校正区域中的像素点的空气校正值进行修正；
重建模块，用于基于所述第一校正区域和修正后的第二校正区域进行图像重建，得到所述目标对象的重建图像。
CN202110610746.4A 2021-06-01 2021-06-01 图像重建方法及装置 Active CN113313649B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110610746.4A CN113313649B (zh) 2021-06-01 2021-06-01 图像重建方法及装置
EP22815268.2A EP4327271A1 (en) 2021-06-01 2022-05-31 Systems and methods for image reconstruction
PCT/CN2022/096238 WO2022253223A1 (en) 2021-06-01 2022-05-31 Systems and methods for image reconstruction
US18/516,890 US20240087186A1 (en) 2021-06-01 2023-11-21 Systems and methods for image reconstruction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110610746.4A CN113313649B (zh) 2021-06-01 2021-06-01 图像重建方法及装置

Publications (2)

Publication Number Publication Date
CN113313649A CN113313649A (zh) 2021-08-27
CN113313649B true CN113313649B (zh) 2022-09-16

Family

ID=77376916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110610746.4A Active CN113313649B (zh) 2021-06-01 2021-06-01 图像重建方法及装置

Country Status (4)

Country Link
US (1) US20240087186A1 (zh)
EP (1) EP4327271A1 (zh)
CN (1) CN113313649B (zh)
WO (1) WO2022253223A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313649B (zh) * 2021-06-01 2022-09-16 上海联影医疗科技股份有限公司 图像重建方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1671187A (zh) * 2004-03-15 2005-09-21 德鑫科技股份有限公司 数字图像的曝光校正方法
CN103699543A (zh) * 2012-09-28 2014-04-02 南京理工大学 基于遥感图像地物分类的信息可视化方法
CN104752318A (zh) * 2013-12-27 2015-07-01 中芯国际集成电路制造(上海)有限公司 半导体器件的形成方法
CN109998578A (zh) * 2019-03-29 2019-07-12 上海联影医疗科技有限公司 预测计算机断层成像的空气校正表的方法和装置
CN110473269A (zh) * 2019-08-08 2019-11-19 上海联影医疗科技有限公司 一种图像重建方法、系统、设备及存储介质
CN111311509A (zh) * 2020-01-20 2020-06-19 上海理工大学 一种非正常曝光图像自适应校正方法
CN111447373A (zh) * 2020-04-16 2020-07-24 北京纳米维景科技有限公司 一种自动曝光控制系统及图像校正方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100254585A1 (en) * 2009-04-01 2010-10-07 Thomas Brunner Overexposure correction for large volume reconstruction in computed tomography apparatus
US9036885B2 (en) * 2012-10-28 2015-05-19 Technion Research & Development Foundation Limited Image reconstruction in computed tomography
US9196061B2 (en) * 2012-11-02 2015-11-24 General Electric Company Systems and methods for performing truncation artifact correction
EP3139342A1 (en) * 2015-09-02 2017-03-08 Thomson Licensing Methods, systems and apparatus for over-exposure correction
WO2017045618A1 (en) * 2015-09-15 2017-03-23 Shanghai United Imaging Healthcare Co., Ltd. Image reconstruction system and method
EP3667620A1 (en) * 2018-12-12 2020-06-17 Koninklijke Philips N.V. System for reconstructing an image of an object
CN113313649B (zh) * 2021-06-01 2022-09-16 上海联影医疗科技股份有限公司 图像重建方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1671187A (zh) * 2004-03-15 2005-09-21 德鑫科技股份有限公司 数字图像的曝光校正方法
CN103699543A (zh) * 2012-09-28 2014-04-02 南京理工大学 基于遥感图像地物分类的信息可视化方法
CN104752318A (zh) * 2013-12-27 2015-07-01 中芯国际集成电路制造(上海)有限公司 半导体器件的形成方法
CN109998578A (zh) * 2019-03-29 2019-07-12 上海联影医疗科技有限公司 预测计算机断层成像的空气校正表的方法和装置
CN110473269A (zh) * 2019-08-08 2019-11-19 上海联影医疗科技有限公司 一种图像重建方法、系统、设备及存储介质
CN111311509A (zh) * 2020-01-20 2020-06-19 上海理工大学 一种非正常曝光图像自适应校正方法
CN111447373A (zh) * 2020-04-16 2020-07-24 北京纳米维景科技有限公司 一种自动曝光控制系统及图像校正方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Air Fraction Correction Optimisation in PET Imaging of Lung Disease;Francesca Leek 等;《IEEE》;20201107;正文第1-4页 *
X射线光栅相衬成像中保留源光栅的探测器校正方法;胡仁芳 等;《原子能科学技术》;20180131;第150-155页 *
基于平板探测器的锥束CT投影图像校正;徐燕等;《计算机工程与应用》;20161231(第04期);第167-171页 *
有限投影数据CT图像迭代重建技术研究;齐宏亮 等;《中国知网优秀硕士论文辑 医学卫生科技辑 信息科技辑》;20171015;正文第1-50页 *
降低小儿胸部DR摄影辐射剂量的研究;张效平等;《中国医学装备》;20130715(第07期);第96-99页 *

Also Published As

Publication number Publication date
WO2022253223A1 (en) 2022-12-08
EP4327271A1 (en) 2024-02-28
CN113313649A (zh) 2021-08-27
US20240087186A1 (en) 2024-03-14

Similar Documents

Publication Publication Date Title
US11341613B2 (en) System and method for image reconstruction
US10255696B2 (en) System and method for image reconstruction
US7378660B2 (en) Computer program, method, and system for hybrid CT attenuation correction
US7747057B2 (en) Methods and apparatus for BIS correction
US20210209771A1 (en) Systems and methods for determining quality metrics of an image or images based on an edge gradient profile and characterizing regions of interest in an image or images
JP2019516460A (ja) 空間とスペクトル情報に基づく複数エネルギーのｃｔ画像におけるノイズ制御のためのシステムと方法
CN102846333A (zh) 用于x射线成像中的散射校正的方法和系统
CN107638189B (zh) Ct成像方法和装置
JP2015024155A (ja) 画像処理装置
CN113313649B (zh) 图像重建方法及装置
JP2023553918A (ja) 医用画像内のアーチファクトの低減
CN113362404B (zh) 计算机断层扫描的散射校正方法、装置和存储介质
CN112204607B (zh) 用于x射线成像的散射校正
CN111080740A (zh) 一种图像校正方法、装置、设备及介质
CN110123352B (zh) 成像参数的基于谱拓扑图的确定
US20050018889A1 (en) Systems and methods for filtering images
US20220414832A1 (en) X-ray imaging restoration using deep learning algorithms
US20060257011A1 (en) Method and system for filtering scan data
CN110084866B (zh) 一种计算机断层成像方法和装置
CN110730977B (zh) 低剂量成像方法及装置
JP2017070590A (ja) 画像処理装置及びその制御方法、コンピュータプログラム
CN113409414B (zh) X线图像的散射修正方法、装置、电子设备、存储介质
CN111754436B (zh) 医学图像伪影校正的加速方法、计算机设备和存储介质
CN111127369A (zh) 一种图像校正方法、装置、设备及介质
CN113129239B (zh) 图像校正方法、装置、电子设备及存储介质

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