切向CT重建算法的研究

在工业CT的检测过程中,由于各种原因可能造成投影数据的不完备.在这种情况下,直接利用传统的解析重建方法(FBP)或者统计重建方法(EM)都不能给出理想的重建结果,从切向CT扫描方式获得的就是典型的不完备投影数据.本文利用迭代算法来改善重建图像的质量,首先通过已有的投影数据合理估计缺失的投影数据,并通过不断的迭代来改善这种估计,从而使得重建图像不断逼近真实物体.     

基于模型融合的有限角度CT迭代重建方法

针对有限角度扫描的CT重建,提出一种基于模型融合的CT迭代重建方法。模型来源于患者的早期Dicom图像。对扫描角度有限的投影数据,用统计迭代算法进行初步重建,得到预重建图像;将预重建图像与模型进行融合,得到融合图像;然后再次投影,补全原始投影缺失的部分,根据补全的投影数据重建出中间结果,之后重复投影、融合、重建过程直到满足终止条件。仿真实验表明,该算法能完整重建整个目标,在有效保留原目标特征的同时提高了小角度投影数据重建的质量。     

一种基于数据外插改进的ART迭代算法

本文针对有限角度的投影数据的CT图像重建问题,提出了一种基于数据外插改进的ART算法.该算法的基本思想足运用已知角度的投影数据来补全未知角度的投影数据,再用ART算法进行图像重建.最后用模拟的投影数据进行了重建图像的数值实验.实验结果表明该算法不但提高了重建图像质量,同时也提高了图像达代的收敛速度.     

体积CT投影数据的模拟方法

体积CT是目前研究的热点,也是医疗CT和工业CT的发展方向。在研究体积CT重建算法的过程中,模拟投影数据是必不可少的一部分。本文提出一种体积CT投影数据的模拟方法。这种方法的特点是准确、适用性广,模拟得到的投影数据能够准确反映各断层的细节信息,一方面可以为后继体积CT重建算法提供可靠的投影数据,另一方面也可以根据需要有选择地模拟失真的投影数据。我＇ffJN用此方法对人脑部及某工件的CT投影数据进行了模拟,并对模拟得到的数据采用滤波反投影算法进行重建,将重建后的断层图像与原始图像进行比较,得到了很好的重建结果,进一步验证了该投影数据模拟方法的可行性。     

一种块迭代的快速代数重建算法

常用的计算机层析成像的重建算法可分为:变换重建法、代数重建法和其它算法几大类.变换重建算法中最为常用的为"卷积反投影”算法,该算法重建速度较快,重建效果较好.但该算法也存在一些不足,它通常要求完全的、等间隔的平行采样数据.在天文、物探、地震成像等领域采样数据通常是不完全的和非等间隔的.代数重建算法简单,适用于不同格式的采样数据,对不完全数据亦可重建图像.还可以结合一些先验知识进行求解.可应用于工业检测、物探成像、天文成像等领域.其缺点主要是计算量大,收敛速度慢,难以重建大的图像. 计算机层析成像的重建问题,可离散化为线性方程组AF=P的求解问题,其中P是被采集的投影数据向量,A是投影系数矩阵,F是图像基函数.假设有M个投影数据,且重建的图像有N×N像素,则A为M行、N×N列矩阵.即使重建较小的图像,系数矩阵也是很大的,需要M×N×N个浮点数.A为大型稀疏矩阵,其非零元的个数约为2×M×N个浮点数.因此,想用代数重建算法重建中等或大的图像,必须寻找一种快速的投影系数矩阵实时计算方法. 其次,代数重建算法中迭代的收敛速度也是要解决的主要难点.初值的选取对收敛速度影响是很大的.如果选取的初值与原物体的密度分布较接近,迭代就容易满足收敛条件.传统的代数重建算法中,初值常选为零和某种平均值.在每次循环中都对N×N个图像值,进行逐线或逐点迭代修正.因此,需要大量计算时间,且收敛速度甚慢. 本文提出一种基于分块迭代的快速代数重建算法,其基本思想是采用对图像逐级分块,通过迭代使图像逐步细化,最终逼近于重建的图像.算法的实现过程如下:1.将重建图像按不同级别分块;2.根据块的大小,抽取投影数据,实时计算投影系数矩阵的非零元;3.对给定级图像块赋值,根据投影系数矩阵的非零元和阀值确定对哪些图像块的值进行修正:4.对给定级的图像块经一次循环迭代修正后,判断前后两次的图像是否满足该级迭代结束条件,满足时进入下一级块的迭代;最后一级块迭代满足条件后,块迭代结束.在每一级块迭代过程中,我们设计了求解系数矩阵非零元的快速计算方法,使得所需的系数矩阵的非零元可实时计算,而不必存贮. 利用X射线工业CT实采数据,我们对块迭代代数重建算法的测试结果表明:该方法重建速度快,重建图像精度高、伪影轻,并有较高的密度分辨率和空间分辨率.     

利用计算机断层成像方法由观测图像重建等离子体层全球密度分布——投影数据不完备问题

在用计算机断层成像方法由EUV观测图像重建等离子体层全球密度分布时,地球的遮挡和有限角度都会导致投影数据不完备,从而无法精确重建出等离子体层的密度分布.本文针对该问题,提出一种基于图像总变差极小化的代数迭代算法.通过重建等离子体层投影数据缺失最为严重的中心子午面,证明该算法能够显著提高重建图像的质量. 并且在IMAGE卫星仅能达到90°的有限投影角度下,此算法重建图像的相关系数可达0.760,而代数迭代算法的相关系数仅为0.696.     

一种基于频域外推的不完全角度CT重建算法

不完全角度重建问题一直是CT图像重建领域研究的重点和难点。目前,通常的不完全角度重建方法是基于空域的迭代方法,但由于正反投影的高计算复杂度,空域迭代方法存在计算耗时,对硬件资源需求大等问题。本文提出了一种基于外推的邻近网格迭代算法（INNG-TV）。首先,平行束采样的数据通过傅里叶变换和样条插值到频域空间,然后在迭代的过程中,傅立叶空间投影已知部分的数据始终不变,缺失部分数据通过对重建图像进行INNG外推得到,同时在图像空间对重建图像做非负、最小化总变分等先验及优化约束。     

一类广义Radon变换的反演:迭代重建再投影的外插算法

本文对不完全数据下的一类广义Radon变换的反演问题,建议用迭代重建再投影的外插算法重建图像。数值模拟结果表明,迭代重建再投影的外插算法对重建图像是有效的。     

一种用于小体积偏置探测器锥束CT系统的反投影滤波重建算法

在传统的CT系统中,系统的硬件成本和计算量都是非常巨大的.本文深入分析了一种利用偏移放置的面阵探测器的锥束CT系统,在这种系统中X射线束仅仅覆盖被扫描物体的一半体积,投影数据在探测器方向上是截断的,探测器尺寸和投影数据量都减少为传统CT系统的一半.在这种扫描方式下,现有的重建方法是首先利用重排算法获得180度范围内的平行束投影数据,然后再利用滤波反投影(FBP)算法重建出物体的三维图像.但是重排算法不可避免地会引入误差,降低重建图像的空间分辨率.本文提出了一种反投影滤波(BPF)形式的直接反投影重建方法,该方法不需要对投影数据重排,直接反投影滤波重建出最终的图像.因此,该算法在数学上更简洁,计算速度更快,能够更多地保留重建图像的高频信息.最后,数值模拟实验结果验证了该系统和重建算法能够获得高质量的CT图像.     

锥束CT图像重建算法的快速实现

本文基于锥束CT滤波反投影重建的FDK算法,通过两种算法改进并结合基于共享内存的OpenMP并行技术和代码优化,实现了锥束CT图像的快速重建.基于锥束CT实际投影数据的重建结果表明,图像重建速度得到了较大的提高,断层图像重建质量与FDK原型算法相当.     

由相叠低分辨投影数据重建高分辨图像

本文提出了由平行的相叠低分辨投影数据重建高分辨图像的两个新算法，即虚拟探测器法和直接重建法，并给出和分析了数值模拟结果。     

任意扫描轨迹的CT成像方法研究

在工业CT成像应用中,由于复杂结构件形状、结构、组分等特征的限制,使得射线能量与有效厚度不匹配,常规的扫描方式易使投影数据缺失,投影数据完备性较差。为此,本文通过改变轨迹来弥补投影数据缺失,推导任意轨迹的成像模式。首先,在任意轨迹的基础上进行投影几何关系建模,结合空间几何知识完成投影矩阵的刻画;其次,基于迭代重建算法对轨迹的无约束化,进行任意轨迹成像模式下的迭代重建;最后通过小锥角、大锥角以及厚度差异比较大的构件成像仿真实验,验证算法的正确性和可行性。对于厚度差异比较大的工件,该方法相对于传统的圆轨迹扫描,投影数据更完备,CT重建质量高。     

一种扇束扫描模式下的图像重建迭代算法

CT图像重建的扫描模式有平行束、扇束、锥束等,在扇束扫描模式下的图像重建算法大多基于图像的正方形网格剖分。本文建立了扇束扫描模式下新的图像重建离散化模型,并给出了基于新模型的代数迭代校正格式和重建算法。对新的模型下迭代算法几何意义进行了讨论,基于新模型的代数迭代重建算法有助于提高成像质量,启发新的图像重建算法。     

潘晓川教授的反投影滤波(BPF)新型重建算法介绍

计算机断面成像(CT)的精确重建方法一直是现代CT成像领域中一个活跃的研究方向。近几年,关于平行束、扇束、锥束CT精确重建的研究取得了一系列重要的突破和创新成果。本文主要介绍了美国芝加哥大学潘晓川教授为首的课题组提出的一类基于反投影卷积(BackprojectionFiltration:BPF)的CT精确重建算法。BPF算法最重要的贡献在于它成功地解决了从沿探测器方向截断的投影数据进行CT精确重建的问题;因此,通过BPF算法能够设计出针对目标的感兴趣区域成像策略,减少成像扫描、重建时间,辐照剂量和散射光子。     

基于渐进式网络处理的低剂量Micro-CT成像方法

微米级计算机断层扫描（Micro-CT）的应用领域很广泛,在生物医学、材料科学等都有研究,而且最近几年的发展很迅速。Micro-CT图像常因辐射剂量的限制而出现噪声,所以开发一种合适的算法来抑制Micro-CT图像中噪声变得很重要。Micro-CT图像的噪声水平与扫描样本、扫描参数等参数有关,合适的噪声抑制算法应该在不同噪声水平下都有不错的性能。过去Micro-CT图像的噪声抑制算法主要是迭代重建算法,但迭代重建算法速度比较慢。深度学习方法作为近些年比较热门的图像处理方法,在临床低剂量CT图像处理上相比于传统方法效果更好、处理速度更快,有进一步在低剂量Micro-CT图像处理中应用的潜力。另外,生成对抗网络在保持图像细节上有着比卷积神经网络更好的效果,本文构建普通卷积神经网络与生成对抗网络,用于对比两者的性能差异。限制于放射源的功率,低噪声的Micro-CT数据难以获取,提出一种创新的扫描方式,可有效获取低噪声的Micro-CT数据,并对实验小鼠的进行了扫描。针对低剂量Micro-CT中较高的噪声,结合Micro-CT的成像原理,提出渐进式的低剂量Micro-CT图像处理方法,分别在解析重建前后对小鼠的Micro-CT图像进行两次处理。相比于只在断层图像上处理,渐进式方法对高噪声数据的处理效果更好。从客观指标与主观视觉效果上,分析和对比了渐进式方法与其他深度学习方法或迭代重建算法的差别。定量分析不同噪声水平下的Micro-CT图像的处理效果,分析生成对抗网络在渐进式Micro-CT图像处理中的优势与限制。渐进式Micro-CT图像处理方法生成的图像质量高、生成速度快、鲁棒性高、客观指标高,可以对进一步的高级应用如图像分割、图像三维可视化等提供帮助。      

一种改进投影系数计算的快速ART算法

代数重建(ART)是图像重建领域中的重要方法。为了提高ART算法的重建速度,本文提出了一个新的通过判别射线与网格的相交状况快速计算投影系数的算法。该算法主要使用简单的诸如加减法以及比较运算来计算投影系数。避免了传统算法中的求交排序计算,因而重建速度大大提升。仿真实验使用Shepp-Logan模型,实验结果显示该算法重建效率优于传统算法。