多源摆动动态CT成像方法技术

本发明专利技术公开了一种多源摆动动态CT成像方法，首先把采集的多对X射线源－探测器一次摆动扫描的所有投影数据进行重排；接着对重排后的投影数据采用FBP算法重建出CT图像；把上述CT图像作为先验图像，通过带TV约束的ART算法把相应的时间帧的投影数据进行图像重建获得对应时间帧的CT图像；把所有时间帧的CT图像按时间顺序组合获得该次X射线源－探测器摆动时间段内检测对象的动态CT图像；重复上述过程，最后获得整个检测对象变化过程的动态CT图像。本发明专利技术所提出MS‑PICCS算法不仅能够从高度欠采样的数据恢复真实图像而且还具有良好的抗噪性能。

Multi source oscillating dynamic CT imaging method

The invention discloses a swing dynamic CT imaging method of multi-source, first of all the projection data of X ray source - detector acquisition a swing scanning of the projection data rearrangement; then after rearrangement of FBP algorithm is used to reconstruct the CT image; the CT image as the prior image by ART algorithm with TV the constraints of the projection data corresponding to the time frame for CT image reconstruction to obtain the corresponding time frame; the CT images of all time frames according to the time sequence obtained with the combination of dynamic CT image of the X - ray source detector swing time detection object; repeat the above process and finally obtain the dynamic CT image changes in the object detection in the process of. The MS PICCS algorithm can not only from the sampling data to restore the real image but also has good anti noise performance.

【技术实现步骤摘要】
多源摆动动态CT成像方法
本专利技术涉及CT扫描领域，具体涉及一种多源摆动动态CT成像方法。
技术介绍
实际应用中存在过程可视化检测需求，如增材制造缺陷形成、铸件冷却缺陷形成、材料(新材料、矿石)拉压破坏、空隙材料(石油岩心、高速路面)液体渗透、多相流体动态流动、固体火箭发动机喷管喉颈材料烧蚀等过程，传统无损检测方法都有一定的局限性。近年来，工业CT技术已成为工业无损检测的重要手段，但由于上述可视化检测过程中检测对象内部发生变化，而CT扫描过程中要求检测对象稳定，传统工业CT技术不能直接用于过程可视化检测。然而，上述需要可视化检测的过程有以下共同特点：(1)变化过程有一定持续时间(非瞬时)；(2)同时其过程变化为检测对象内部的局部变化。这些特点使动态CT检测成为可能。动态过程的可视化检测研究主要包括：RBArthur和MACheverton通过融合多个高速相机采集的不同数据类型从而对增材制造过程的变化进行成像；光滑粒子流体动力学方法和大涡流模拟方法用于预测和可视化铸造时流体瞬时流动以及氧化物含量的动态变化；通过融合X射线温度梯度阶段(XTGS)，X射线显微成像技术和尺度模拟方法观察铝-铜合金的固化冷却过程中缩松以及锁孔的生长率；XuanhaoSun等人通过高放大倍率光学显微镜和原子力显微镜(AFM)研究皮质骨的屈服后的变形过程等。另外，微观粒子图像速度测定技术也被用于研究多孔微型模型中动态溶液的相互作用。然而，已有的这些技术都有一定局限性，如AFM只能观察变化过程的表面结构，对其内部结构的变化显得无能为力。又如平滑粒子流体动力学方法空间分辨率较低。专利技术内容鉴于此，本专利技术提供一种多源摆动动态CT成像方法。本专利技术的目的是通过以下技术方案实现的，一种多源摆动动态CT成像方法，该方法以基于先验图像约束的压缩感知图像重建算法为基础，具体包括以下步骤为：步骤一、把采集的多对X射线源－探测器单次摆动的所有投影数据进行重排；步骤二、对重排后的投影数据采用FBP算法重建出CT图像；步骤三、把上述CT图像作为先验图像，通过带TV约束的ART算法把相应的时间帧的投影数据进行图像重建获得对应时间帧的CT图像；步骤四、把所有时间帧的CT图像按时间顺序组合获得该次X射线源－探测器摆动时间段内检测对象的动态CT图像；步骤五、重复步骤三、四，最后获得整个检测对象变化过程的动态CT图像。进一步，基于先验图像约束压缩感知图像重建算法被设计为以下无约束最小化问题：minκ||TV(I)||1+(1-κ)||TV(I-Ip)||1suchthatAI＝P(1)其中，||·||1表示矩阵L1范数，A代表系统矩阵，I,P分别表示待重建图像和测量的投影数据，TV(I)，TV(I-Ip)分别表示待重建图像以及待重建图像与先验图像的总变分，κ是由先验图像Ip中的伪影程度决定的经验参数，取值范围为[0,1]。进一步，通过采用梯度下降搜索方法对公式()进行求解，图像中(i,j)点的梯度方向hi,j可由分量ai,j，bi,j，ci,j，di,j和ei,j的计算得到：其中，I(k)i,j，I(k)i-1,j，I(k)i,j-1分别表示在第k次迭代获得的图像中位置为(i,j)，(i-1,j)以及(i,j-1)的灰度值，ε为很小的正数，防止分母等于0的情况。其中，I(k)i+1,j，I(k)i-1,j-1分别表示在第k次迭代获得的图像中位置为(i+1,j)和(i-1,j-1)的灰度值。其中，I(k)i,j+1，I(k)i-1,j+1分别表示在第k次迭代获得的图像中位置为(i,j+1)和(i-1,j+1)的灰度值其中，I(k)表示在第k次迭代获得的图像。其中，Ipi,j表示先验图像中位置为(i,j)对应的图像值。总梯度表示为β＝max(|κI(k)i,j+(1-κ)(I(k)i,j-Ipi,j)|)/max(|hi,j|)Ii,j(k+1)＝Ii,j(k)-σ×β×hi,j其中，β表示当前图像梯度的最大值以及先验图像与重建图像靠近的程度。σ＝σ×σsσs表示梯度下降的调整步长。由于采用了上述技术方案，本专利技术具有如下的优点：本专利技术所提出MS-PICCS算法不仅能够从高度欠采样的数据恢复真实图像而且还具有良好的抗噪性能。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为MSSCT系统配置平面图；图2为MSSCT系统的投影数据模型，不同颜色点对应不同的时间帧；图3为原始图像与重建图像，其中图a、b、c分别为时间帧1、9、20的原始图像，图d、e、f分别为采用FBP算法在系统配备7个X射线源时采用该时间帧全数据的重建图像，图g、h、i分别为采用FBP算法在系统配备9个X射线源时采用该时间帧全数据的重建图像；图4为中心圆盘面积动态变化曲线；图5为对于9个X射线源的欠采样因子为40的先验图像；图6为重建图像，其中图a、d、g为ART算法的重建图像，欠采样因子分别为50，25，10；图b、e、h为TVM-SD算法的重建图像，欠采样因子分别为50，25，10；图c、f、i为MS-PICCS算法的重建图像，欠采样因子分别为50，25，10；图7为重建图像，其中图a、d、g为ART算法的重建图像，欠采样因子分别为40，20，8；图b、e、h为TVM-SD算法的重建图像，欠采样因子分别为40，20，8；图c、f、i为MS-PICCS算法的重建图像，欠采样因子分别为40，20，8；图8为重建图像，与图6相同，但是投影数据添加噪声；图9为重建图像，与图7相同，但是投影数据添加噪声；图10为左栏(a):采用FDK重建的荞麦三维结构图；(b)和(c)(即中间和右列)表示采用FBP算法使用全数据重建完整的切片，每个重建的切片图像由320×320像素组成，每个覆盖31.44×31.44μm2，矩形表示均方根误差RMSE测量的子区域；图11为对于9个X射线源的欠采样因子50的先验重建图像(左)，先验图像和重建图像之间的差异图像(右)；图12为对于显示窗口中的7个X射线源/检测器对，利用欠采样因子26(第一行)，13(中间行)和10(第三行)在时间帧0处的重建图像，第一列至第三列分别表示在相同的模拟实验条件下使用ART，TVM-SD和MS-PICCS算法在200次迭代后的重建图像，同时，每个重建图像由320×320像素组成；图13为采用9个X射线源/检测器对的MSSCT系统，且使用欠采样因子50(第一行)，25(中间行)和10(第三行)在时间帧0处的重建图像，第一列到第三列分别表示在相同的模拟实验条件下使用ART，TVM-SD和MS-PICCS算法在200次迭代之后的图像重建，同时，每个重建图像由320×320像素组成；图14为图12时间帧9处的重建图像；图15为图13时间帧9处的重建图像。具体实施方式以下将结合附图，对本专利技术的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。传统的X射线CT受扫描速度的限制，其时间分辨能力较低。为此，提出一种“多X射线源摆动动态CT(multi-sourceswingCT，MSSCT)”检测方法用于过程可视化检测。一方面，使用多个X射线源，一次采样就可本文档来自技高网...

【技术保护点】
一种多源摆动动态CT成像方法，其特征在于：该方法以基于先验图像约束的压缩感知图像重建算法为基础，具体包括以下步骤为：步骤一、把采集的多对X射线源－探测器单次摆动的所有投影数据进行重排；步骤二、对重排后的投影数据采用FBP算法重建出CT图像；步骤三、把上述CT图像作为先验图像，通过带TV约束的ART算法把相应的时间帧的投影数据进行图像重建获得对应时间帧的CT图像；步骤四、把所有时间帧的CT图像按时间顺序组合获得该次X射线源－探测器摆动时间段内检测对象的动态CT图像；步骤五、重复步骤三、四，最后获得整个检测对象变化过程的动态CT图像。

【技术特征摘要】
1.一种多源摆动动态CT成像方法，其特征在于：该方法以基于先验图像约束的压缩感知图像重建算法为基础，具体包括以下步骤为：步骤一、把采集的多对X射线源－探测器单次摆动的所有投影数据进行重排；步骤二、对重排后的投影数据采用FBP算法重建出CT图像；步骤三、把上述CT图像作为先验图像，通过带TV约束的ART算法把相应的时间帧的投影数据进行图像重建获得对应时间帧的CT图像；步骤四、把所有时间帧的CT图像按时间顺序组合获得该次X射线源－探测器摆动时间段内检测对象的动态CT图像；步骤五、重复步骤三、四，最后获得整个检测对象变化过程的动态CT图像。2.根据权利要求1所述的多源摆动动态CT成像方法，其特征在于：基于先验图像约束压缩感知图像重建算法被设计为以下无约束最小化问题：minκ||TV(I)||1+(1-κ)||TV(I-Ip)||1suchthatAI＝P(1)其中，||·||1表示矩阵L1范数，A代表系统矩阵，I,P分别表示待重建图像和测量的投影数据，TV(I)，TV(I-Ip)分别表示待重建图像以及待重建图像与先验图像的总变分，κ是由先验图像Ip中的伪影程度决定的经验参数，取值范围为[0,...

【专利技术属性】
技术研发人员：刘丰林，伍伟文，冉磊，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50