基于Mean Shift算法的CT图像金属伪影消除方法及消除系统技术方案

本发明专利技术提供了一种基于Mean Shift算法的CT图像金属伪影消除方法和消除系统。通过预处理CT图像去除噪声并平滑轻度伪影，分割出CT图像中的金属区域，对金属区域的投影数据作线性插值生成插值图像，并修复组织信息后得到先验图像，再将先验图像的投影数据替代原投影数据，得到校正后的CT图像。与相关技术相比，本发明专利技术提供的基于Mean Shift算法的CT图像金属伪影消除方法及消除系统可以去除CT图像中的轻度金属伪影，平滑效果好，不丢失细节信息；金属区域分割效果好，计算效率更高；去除伪影效果明显，而且还保护了原CT图像中人体组织结构信息。

Method for eliminating metal artifact of CT image and eliminating system based on Mean Shift algorithm

The present invention provides a method for eliminating and metal artifacts of CT image based on Shift algorithm Mean elimination system. Through the preprocessing of CT image to remove noise and smooth mild artifacts, segmentation of the metal area in CT images, linear interpolation interpolation image projection data of metal area, and tissue repair information obtained after the prior image, then the image projection data prior to replace the original projection data, CT images after correction. Compared with the related technology, the present invention provides a metal artifacts of CT image based on Shift algorithm Mean elimination method and system can eliminate the removal of mild metal artifacts in CT images, smoothing effect is good, without loss of detail information; metal region segmentation effect is good, high efficiency; the removal of artifacts is obvious, but also to protect the original human tissue in the CT image structure information.

【技术实现步骤摘要】
基于MeanShift算法的CT图像金属伪影消除方法及消除系统
本专利技术涉及用于计算机断层摄影(CT)中减少金属伪影的
，尤其涉及一种基于MeanShift算法的CT图像金属伪影消除方法及消除系统。
技术介绍
随着医学技术的发展，CT图像已经在临床医学这一领域得到了广泛的应用，极大地提高了医学诊断水平。然而，CT技术利用X射线束扫描人体层面后接收再成像，对于一些体内含有金属移植物的特殊病人，如金属补牙、人工关节、心脏起搏器等等，由于射线硬化、散射、噪声以及部分容积效应等原因，很有可能得到含有金属伪影的CT图像。金属伪影使得CT图像质量变差，组织结构难以判断，可能导致误诊的结果。因此，CT图像的金属伪影消除(MAR,MetalArtifactReduction)对提高临床诊断的准确性有很重要的意义。MAR技术是医学图像处理领域的一个热门研究方向，许多学者为此做出贡献，所涉及到的图像处理技术可大致分为三大类，分别是投影修补法、迭代法以及以上两种方法的混合法。投影修补法主要通过插值、先验图像等方法生成新的投影数据，替代被腐蚀的金属区域的投影数据，从而消除CT图像的金属伪影，一般而言，算法简单复杂度较低，但容易丢失组织信息。迭代法利用代数或者统计学的方法，根据设定的优化准则来不断迭代校正图像，在噪声较大时也能得到较好的结果，但是算法复杂度相对较高。混合法是以上两种方法的结合，互相取长补短，发现显著提高图像质量，且计算效率较高的算法。其中投影修补法是MAR技术的有别于其他图像处理的特色处理方法，很多研究者都提出了自己的投影修补算法，但仍未得到理想的结果，这个方向仍然有探索的空间。
技术实现思路
本专利技术需要解决的技术问题是提供一种基于MeanShift算法的CT图像金属伪影消除系统，其去除伪影效果明显，能够保护人体组织结构的特点。本专利技术提供了一种基于MeanShift算法的CT图像金属伪影消除方法，该方法包括如下步骤：S1、通过自适应MeanShift平滑算法预处理CT图像，对含有金属伪影的CT图像进行平滑滤波，消除CT图像中的噪声并平滑轻度伪影；S2、采用简化的MeanShift分割算法，通过分析CT图像的特征空间和聚类方法得到CT图像中的金属区域；S3、将金属区域和预处理CT图像前投影得到投影数据，对于坐标x处的投影数据，采用线性插值算法得到校正后的投影数据其中，β为投影角度，{pβ,qβ}为插值空间；S4、根据线性插值后的投影数据反投影重建，得到校正伪影后不含金属区域的CT图像vli＝{vli(i)|i∈Ili}，其中，i为CT图像中的像素点，Ili代表线性插值处理后的图像；S5、用线性插值得到的图像替换原CT图像中的金属区域，得到不含金属区域、组织信息完好的CT图像vnom＝{vnom(i)|i∈Inometal}，进而得到差异图像vdiff＝{vnom(i)-vli(i)|i∈Idiff}，则最终的先验图像vprior可表示为：vprior(i)＝vli(i)+vdiff(i)*w(i)，其中，Inometal代表不包含金属的CT图像，Idiff代表原CT图像和线性插值图像的差值图像，权重系数对式中的vdiff(i)归一化处理，σ取值区间为(0,1)；S6、将先验图像前投影得到校正后的投影数据，替换原CT图像中金属区域的投影数据，完成投影修补；S7、将得到的投影数据反投影重建，并添加步骤S2中分割得到的金属区域，生成最终的校正图像。优选的，所述自适应MeanShift平滑算法进行平滑的步骤包括：(1)将CT图像中的每个像素点的位置和像素值构成特征空间向量x；(2)从CT图像左上方的第一个像素点i开始，利用公式计算偏移均值向量M(x)，其中w(x)为样本点的权重，G(x)为高斯核函数，h为带宽；(3)设置一个停止条件ε，如果M(x)>ε，将M(x)+x的值赋给x，迭代执行步骤(2)，直至M(x)≤ε，或者达到迭代次数上限而结束迭代，开始下一个像素的计算，直至遍历整个CT图像。优选的，所述带宽h的确定步骤包括：(1)给定初始带宽h0，并设置步长Δh、阈值δ；(2)若带宽内的点与中心点的CT值之差|p-p0|≤δ，则判定两点是相似的，统计相似点n0和总采样点n；(3)若n0≥75％*n，则h＝h+Δh，迭代执行步骤(2)，直至满足n0<65％*n，或者达到迭代次数上限而结束迭代。优选的，所述迭代次数上限为五次。优选的，在步骤S2中，对于d维空间中n个样本点xi,i＝1,...,n，在x点的偏移均值向量的基本形式为：其中Sh是半径为h的高维球，Sh(x)＝{y:(y-x)T(y-x)≤h2}，k是n个样本点中落入高维球的点的个数，则Mh(x)是落入高维球区域的样本点相对于x点的偏移量再取平均值。优选的，所述MeanShift分割算法的实现步骤包括：(1)将每个像素点的位置和像素值构成特征空间向量x，并设置一个带宽h；(2)随机选取初始的聚类中心x，计算每个像素点到聚类中心的距离，若(xi-x)T(xi-x)≤h2，标记xi并给该聚类投票；(3)利用上述公式计算Mh(x)，得到新的聚类中心x'，若x'与x的距离小于h/2，将两个聚类合并，否则生成一个新的聚类，迭代执行步骤(2)，直至所有的点都被标记；(4)每个像素点属于票数最多的聚类，从而得到每个聚类的所有像素点，像素值最高的聚类为金属区域。本专利技术还提供了一种基于MeanShift算法的CT图像金属伪影消除系统，包括：预处理模块，用于通过自适应MeanShift平滑算法预处理CT图像，对含有金属伪影的CT图像进行平滑滤波，消除CT图像中的噪声并平滑轻度伪影；金属分割模块，用于采用简化的MeanShift分割算法，通过分析CT图像的特征空间和聚类方法得到CT图像中的金属区域；以及投影修补模块，用于对金属区域的投影数据作线性插值生成插值图像，并修复组织信息后得到先验图像，用先验图像的投影数据替代原投影数据，得到校正后的图像。与相关技术相比，本专利技术提供的基于MeanShift算法的CT图像金属伪影消除方法及消除系统通过对CT图像进行预处理，可以去除CT图像中的轻度金属伪影，另外，通过自适应选取平滑窗口大小，平滑效果好，不丢失细节信息；通过对CT图像采用简化的MeanShift分割算法，不但金属区域分割效果好，而且计算效率更高；通过对插值图像的组织信息的修复，去除伪影效果明显，而且还保护了原CT图像中人体组织结构信息。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：图1为本专利技术基于MeanShift算法的CT图像金属伪影消除方法的流程图；图2(a)为利用本专利技术基于MeanShift算法的CT图像金属伪影消除方法对CT图像进行平滑处理前的效果图；图2(b)为利用本专利技术基于MeanShift算法的CT图像金属伪影消除方法对CT图像进行平滑处理后的效果图；图3(a)为未进行金属分割的原CT图像图；图3(b)为对图3(a)所示原CT图像采用阈值分割出的金属区域图；图本文档来自技高网...

【技术保护点】
一种基于Mean Shift算法的CT图像金属伪影消除方法，其特征在于，该方法包括如下步骤：S1、通过自适应Mean Shift平滑算法预处理CT图像，对含有金属伪影的CT图像进行平滑滤波，消除CT图像中的噪声并平滑轻度伪影；S2、采用简化的Mean Shift分割算法，通过分析CT图像的特征空间和聚类方法得到CT图像中的金属区域；S3、将金属区域和预处理CT图像前投影得到投影数据，对于坐标x处的投影数据，采用线性插值算法得到校正后的投影数据

【技术特征摘要】
1.一种基于MeanShift算法的CT图像金属伪影消除方法，其特征在于，该方法包括如下步骤：S1、通过自适应MeanShift平滑算法预处理CT图像，对含有金属伪影的CT图像进行平滑滤波，消除CT图像中的噪声并平滑轻度伪影；S2、采用简化的MeanShift分割算法，通过分析CT图像的特征空间和聚类方法得到CT图像中的金属区域；S3、将金属区域和预处理CT图像前投影得到投影数据，对于坐标x处的投影数据，采用线性插值算法得到校正后的投影数据其中，β为投影角度，{pβ,qβ}为插值空间；S4、将线性插值后的投影数据反投影重建，得到校正伪影后不含金属区域的CT图像vli＝{vli(i)|i∈Ili}，其中，i为CT图像中的像素点，Ili代表线性插值处理后的图像；S5、用线性插值得到的图像替换原CT图像中的金属区域，得到不含金属区域、组织信息完好的CT图像vnom＝{vnom(i)|i∈Inometal}，进而得到差异图像vdiff＝{vnom(i)-vli(i)|i∈Idiff}，则最终的先验图像vprior可表示为：vprior(i)＝vli(i)+vdiff(i)*w(i)，其中，Inometal代表不包含金属的CT图像，Idiff代表原CT图像和线性插值图像的差值图像，权重系数对式中的vdiff(i)归一化处理，σ取值区间为(0,1)；S6、将先验图像前投影得到校正后的投影数据，替换原CT图像中金属区域的投影数据，完成投影修补；S7、将得到的投影数据反投影重建，并添加步骤S2中分割得到的金属区域，生成最终的校正图像。2.根据权利要求1所述的基于MeanShift算法的CT图像金属伪影消除方法，其特征在于，所述自适应MeanShift平滑算法进行平滑的步骤包括：(1)将CT图像中的每个像素点的位置和像素值构成特征空间向量x；(2)从CT图像左上方的第一个像素点i开始，利用公式计算偏移均值向量M(x)，其中w(x)为样本点的权重，G(x)为高斯核函数，h为带宽；(3)设置一个停止条件ε，如果M(x)>ε，将M(x)+x的值赋给x，迭代执行步骤(2)，直至M(x)≤ε，或者达到迭代次数上限而结束迭代，开始下一个像素的计算，直至遍历整个CT图像。3.根据权利要求2所述的基于MeanShi...

【专利技术属性】
技术研发人员：廖胜辉，李志平，梅楚璇，刘熙尧，滕光禹，康凯歌，李建锋，邹北骥，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43