法律状态公告日
法律状态信息
法律状态
2019-08-06
授权
授权
2017-01-11
实质审查的生效 IPC(主分类):G06T17/00 申请日:20160721
实质审查的生效
2016-12-14
公开
公开
技术领域
本发明涉及一种用于计算机图像处理的基于小波变换的多尺度锥束CT图像的三维重建方法,属于计算机图像处理技术领域。
背景技术
X光计算机断层成像技术(X-ray Computer Tomography,XCT),是利用X射线对物体进行不同角度的扫描而获得物体断层信息的成像技术,该技术涵盖了物理学、数学、计算机视觉、计算机图形学、数字信号处理等多方面的学科知识,并且它被广泛应用在很多科学领域,这使得人们观察物体内部结构的能力极大地增强。尤其是在医学临床诊断中,它被用来当做一种获取人体内部结构信息的最佳手段。
目前主流的商用CT机是扇束CT扫描机,也就是说这种CT机的X射线源每扫描一周只能获取被检测对象某一个断层的数据,这样导致X射线的使用效率低、扫描速度慢及重建速度慢。与扇束CT机相比,锥束CT由于采用了锥束X射线源和面阵探测器来采集被检测对象不同角度的投影数据,大大提高了X射线利用率、扫描速度和CT重建图像的分辨率,在医学临床检测和工业无损检测上的应用越来越广泛。一般地,锥束XCT重建算法分为两类,一类是迭代法,另一类是解析法(如FDK算法)。迭代法的计算量很大、效率低,难以适应现代商业实时性的要求。与迭代法相比,解析算法的重建效率高,需要的数据存储空间小。一般地解析法分为近似重建法和精确重建法,其中FDK算法是从扇束滤波反投影算法推导出来的锥束XCT近似重建算法,在X射线源锥角较小的情况下重建出来的断层图像质量非常好。由于其简单而且易实现的特点,使FDK算法的研究具有实际应用价值。
锥束CT完成一次三维扫描的数据量达几百GB甚至TB,重建算法复杂,运算量大,耗时较多,难以满足实际应用中实时性的要求,特别是在医学应用领域。其次,针对不同的应用和显示载体的限制,对投影数据重建后的三维数据的分辨率的要求是不同的,对一些重建后分辨率要求不高的情况,不需要耗时太多来重建高分辨率图像。
发明内容
针对锥束CT三维重建算法存在的耗时多以及不同的应用对重建后的三维数据的分辨率要求不同等问题,本发明提出在保证精度前提下快速实现三维重建的基于小波变换的多尺度锥束CT图像三维重建快速算法。
本发明的基于小波变换的多尺度锥束CT图像三维重建快速算法,包括以下步骤:
(1)对试件进行圆周锥束CT扫描,采集一组用于重建的投影图像;
(2)根据对重建数据分辨率的要求,对采集到的投影图像进行相应尺度的小波变换,得到各尺度小波分解系数;
(3)选择相应尺度的小波系数进行FDK重建;
已知得到分辨率为2N×2N的投影图像,对投影图像进行小波一次分解,进而对分解后的低频分量进行FDK重建,最终得到分辨率为(N/2)×(N/2)×(N/2)的重建数据;或者对小波一次分解后的所有分量分别进行FDK重建,得到四组重建数据,继续执行步骤(4)和(5);
以一次小波分解为例,由步骤(1)得到一组分辨率为2N×2N的二维投影图像,对投影图像进行小波一次分解,得到四组分辨率为N×N的小波分解系数,若对重建数据分辨率要求较低,可仅对低频分量进行FDK重建,得到分辨率为(N/2)×(N/2)×(N/2)的三维重建数据;若对重建数据分辨率要求较高,可对小波分解后的所有分量分别进行FDK重建,得到四组重建数据,继续执行步骤(4)和(5)。
(4)将得到的重建数据分别沿着y轴方向取断层图像,进行对应的小波逆变换;
(5)将小波逆变换后得到的三维数据沿着z轴方向取断层图像,进行线性插值,得到最终重建图像。
本发明的方法能够在一定的精度内快速实现基于FDK算法的三维重建,在此过程中能够针对不同的要求来呈现不同分辨率的三维数据。
附图说明
图1是一幅图像在二维频域被分解为四个子带的框图。
具体实施方式
以下详细说明本发明基于小波变换的多尺度锥束CT图像三维重建快速算法的具体过程。
(1)对试件进行圆周锥束CT扫描,采集一组用于重建的投影图像;
锥束扫描及投影数据的参数如下表所示:
按照上述参数进行锥束扫描,会得到360/m张,分辨率为2N×2N的二维投影图像Pn(u,v),n=1,2,…,360/m,u,v分别标记投影图像像素的行标和列标,它们的零点都以平面探测器的中心像素为基准。
(2)根据对重建数据分辨率的要求,对采集到的投影图像进行相应尺度的二维离散小波变换,得到各尺度小波分解系数;
二维离散小波变换:
二维小波变换由一维小波变换扩展而来,由一维尺度函数
ψD(x,y)=ψ(x)ψ(y),
例如,Haar尺度函数定义为:
小波函数定义为:
那么,尺寸为M×N的函数f(x,y)的离散小波变换是:
>
其中,j0是任意的开始尺度,
二维离散小波逆变换:
通过上式给出的
假设初始尺度为j0的一幅图像f(x,y),在二维频域可被分解为四个子带
以一次小波分解为例,对第n幅投影图像Pn(u,v)进行一次小波分解,可分解为四个小波系数,由于投影图像分辨率为2N×2N,经过一次小波变换会分解为四个分辨率为N×N的图像,分别记为Pn1(u,v),Pn2(u,v),Pn3(u,v),Pn4(u,v)对应于低频成分、垂直方向上的高频成分、水平方向上的高频成分和对角方向上的高频成分。所有投影图像同理,因此,得到了四组小波系数。
(3)选择相应尺度的小波系数进行FDK重建;
由于投影数据是离散的,为了便于计算,必须把FDK算法离散化,在这里引入几个标记:Pβ(u,v)和
第一步:对投影数据Pβ(u,v)使用加权因子
第二步:对修正后的投影数据逐行地进行一维滤波,即
第三步:对滤波后的投影数据做锥形束加权反投影,即:
>
其中,I(x,y,z)表示体素点(x,y,z)处的重建图像数据,(p,q)表示重建体素点在滤波反投影平面上的反投影点的位置。
应当注意的是:当对小波分解后的小波系数进行FDK算法重建时,由于小波分解后的小波系数的分辨率较原投影图像的分辨率减半,所以射线源到试件中心的距离以及射线源到探测器中心的距离也要减半,即DSO=DSO/2(mm),然后对小波低频系数进行上述三步的计算,继而得到三维重建数据,记为I1(x,y,z),(x=0,1,2,...,N/2-1,y=0,1,2,...,N/2-1,z=0,1,2,...,N/2-1),其分辨率均为N/2×N/2×N/2。此时I1(x,y,z)便是低分辨率的三维数据。
如果需要更高分辨率的三维重建数据,例如分辨率为N×N×N,则对小波一次分解后的所有分量分别进行FDK重建,得到四组重建数据,分别记为I1(x,y,z)、I2(x,y,z)、I3(x,y,z)和I4(x,y,z),继续步骤(4)和步骤(5)。
(4)将四组重建数据沿着Y轴方向取断层图像,例如分别取四组数据的第k张断层图像,标记为(x=0,1,2,...,N/2-1,z=0,1,2,...,N/2-1),则四幅图像分别对应低频分量、垂直方向上的高频成分、水平方向上的高频成分和对角方向上的高频成分。根据步骤(2)进行小波逆变换,得到一幅分辨率为N×N的重建图像I′k(x,z),(x=0,1,2,...,N-1,z=0,1,2,...,N-1)。
(5)经过上述步骤,会得到一组分辨率为N×(N/2)×N的三维重建数据I′(x,y,z),(x=0,1,2,...,N-1,y=0,1,2,...,N/2-1,z=0,1,2,...,N-1),沿着Z轴方向取断层图像,得到N张分辨率为N×(N/2)的横截面断层图像。下面利用线性插值法对横截面断层图像进行放大,变成分辨率为N×N的图像。
沿着Z轴方向取第n层断层图像I′n(x,y),(x=0,1,2,...,N-1,y=0,1,2,...,N/2-1),在y方向进行线性插值,这样就得到所要的结果In(x,y),输出图像坐标为:
>
上述步骤是利用双线性插值法将分辨率为N×(N/2)的横截面断层图像I′n(x,y)处理成为N×N的图像In(x,y),(x=0,1,2,...,N-1,y=0,1,2,...,N-1),进而最终生成分辨率为N×N×N的三维数据I(x,y,z),(x=0,1,2,...,N-1,y=0,1,2,...,N-1,z=0,1,2,...,N-1)。
机译: 用于患者的血管内假体的三维图像重建方法,涉及基于投影图像在其指定位移处重建内假体的三维图像
机译: 基于多尺度生成对抗网络的图像超分辨率重建方法
机译: 基于块能量的快速编码静止图像高速离散小波变换(DWT)及其方法