一种稀疏角度快中子CT成像方法技术

本发明专利技术公开了一种稀疏角度快中子CT成像方法，包括：(S1)利用快中子CT系统采集稀疏角度下待测样品的投影数据，获得待重建切片层的正弦图，并对正弦图进行对数变换处理；(S2)对投影数据采用统计迭代重建算法进行重建，得到初步的重建结果；(S3)构建稀疏角度快中子CT图像重建模型；(S4)对稀疏角度CT图像重建模型进行求解，获得图像全变分优化后的图像；(S5)循环步骤(S2)～(S4)，当循环次数达到预设的次数后即停止计算，并将获得的迭代计算结果作为最终的重建图像。本发明专利技术不仅能更准确地刻画噪声模型，获得更好的重建图像，而且有效缩短了快中子CT的扫描时间，提高了迭代收敛速度。因此，本发明专利技术更好地满足了实际应用的需求。

【技术实现步骤摘要】
一种稀疏角度快中子CT成像方法
本专利技术属于射线透射成像领域，具体涉及一种稀疏角度快中子CT成像方法。
技术介绍
快中子CT在含氢材料的无损检测中得到了广泛应用。然而，受中子源强度和探测器探测效率的限制，样品扫描时间长达数小时甚至数天。在保证图像重建质量的前提下如何有效降低扫描时间成为中子CT成像领域研究的关键技术之一。目前降低扫描时间常见的方法有降低每个角度的曝光时间以及减少投影角度，其中降低每个角度的曝光时间会导致投影数据中统计噪声的增加，而减少投影角度即为稀疏角度CT扫描。针对噪声干扰严重的稀疏角度CT扫描，由于投影数据的缺失，传统的滤波反投影重建算法会导致重建图像中存在严重的条状伪影，重建图像质量较低。针对噪声干扰严重的问题，统计迭代重建算法引入了噪声模型，表现出了较好的重建质量，其中基于最大似然估计的期望值最大化方法(MLEM)算法是一种常用的统计迭代重建算法。针对投影数据缺失问题，2006年Sidky和Pan等基于压缩感知的方法提出了一种全变分最小的凸集投影(TV-POCS)算法，成功实现了稀疏角度CT图像重建。基于全变分最小的期望值最大化方法(MLEM-TV)结合了MLEM算法和图像全变分最小的模型，针对含噪的稀疏角度CT重建，获得了较好的重建结果。然而，该方法存在噪声模型不准确、收敛速度慢的问题，影响了重建结果，导致重建图像的质量依然不够好。
技术实现思路
本专利技术的目的在于提供一种稀疏角度快中子CT成像方法，主要解决现有技术由于存在噪声模型不准确、收敛速度慢而影响到重建图像质量的问题。为了实现上述目的，本专利技术采用的技术方案如下：一种稀疏角度快中子CT成像方法，包括如下步骤：(S1)设置快中子CT成像几何系统参数，得到系统矩阵，然后利用快中子CT系统采集稀疏角度下待测样品的投影数据，获得待重建切片层的正弦图，并对正弦图进行对数变换处理；(S2)对步骤(S1)中对数变换处理后的投影数据采用统计迭代重建算法进行重建，得到初步的重建结果；(S3)利用步骤(S2)获得的图像构建稀疏角度快中子CT图像重建模型，该图像重建模型为：其中，p是步骤(S1)获取的稀疏角度投影数据；f是当前重建的CT图像；W是CT系统矩阵，由步骤(S1)获取的系统参数确定；为约束条件；||f||TV表示图像f的全变分函数，其定义为式中，i、j分别表示图像像素点所在的行号和列号，ε为投影数据的噪声水平，η为大于0小于10-8的常数；(S4)对步骤(S3)中构建的稀疏角度CT图像重建模型进行求解，获得图像全变分优化后的图像；(S5)循环步骤(S2)～(S4)，当循环次数达到预设的次数后即停止计算，并将获得的迭代计算结果作为最终的重建图像。具体地，所述步骤(S2)中，采用以下公式计算获得初步的重建结果：其中，和分别表示第n+1和n次迭代第i个像素值；pj表示第j个投影实测值；wij表示第i个像素值对第j个投影实测值的贡献值；表示第n次迭代的正投影过程；α表示噪声指数因子。作为优选，所述α的取值范围为0.1～1.9，当投影图像中噪声较大时，α取1～1.9之间的数值，当投影图像中噪声较小时，α取0.1～1之间的数值。进一步地，所述步骤(S4)中，采用梯度下降法对步骤(S3)中构建的稀疏角度CT图像重建模型进行求解。与现有技术相比，本专利技术具有以下有益效果：(1)本专利技术结合改进后的MLEM算法，构建出新的稀疏角度快中子CT图像重建模型：然后求解模型获得图像全变分优化后的图像，经过多次迭代最终获得了重建图像。本专利技术实现了噪声干扰严重下的稀疏角度快中子CT重建，在保证重建图像质量的前提下有效缩短了快中子CT的扫描时间。(2)本专利技术在统计迭代重建算法中引入了噪声指数因子α进行公式修正(噪声指数因子α取值范围为0.1～1.9)，能更准确地刻画噪声模型，不仅加快了重建迭代的收敛速度，而且重建结果更接近最优解，提高了重建图像质量。(3)针对含噪的稀疏角度CT重建，本专利技术通过改进MLEM算法，同时结合图像全变分最小的正则化约束，在稀疏角度采样的情况下，获得了更好的重建图像。应当说，本专利技术将含氢材料的无损检测技术提升到了新的高度，其不仅符合科技发展的潮流，而且充分满足了实际应用的需求。附图说明图1为本专利技术的流程示意图。图2为标准的Shepp-Logan模型图。图3为本专利技术和MLEM-TV方法在稀疏角度下重建Shepp-Logan模型的指标对比示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步说明，本专利技术的实施方式包括但不限于下列实施例。本专利技术提供了一种稀疏角度快中子CT成像方法，应用于含氢材料的无损检测方面，该方法主要由采集投影数据、初步重建、构建CT图像重建模型、模型求解并获得最终重建图像几大流程组成，如图1所示。下面依次解释每个流程的具体情况。一、采集投影数据首先，设置快中子CT成像几何系统参数，得到系统矩阵，然后利用快中子CT系统采集稀疏角度下待测样品的投影数据，获得待重建切片层的正弦图。而后，对正弦图进行对数变换处理，处理所用的公式如下：fproj(i,j)＝ln(fair(i,j))-ln(fscan(i,j))其中，fair表示空扫的投影图像；fscan表示快中子CT系统采集的投影图像；fproj表示对数变换处理后的投影图像。二、初步重建对数变换处理后的投影数据采用引入了噪声指数因子的MLEM算法进行重建，得到初步的重建结果，其具体的计算公式如下：其中，和分别表示第n+1和n次迭代第i个像素值；pj表示第j个投影实测值；wij表示第i个像素值对第j个投影实测值的贡献值；表示第n次迭代的正投影过程；α表示噪声指数因子，其值范围为0.1～1.9。三、构建CT图像重建模型根据初步重建结果构建稀疏角度快中子CT图像重建模型，具体表达式为：其中，p是步骤(S1)获取的稀疏角度投影数据；f是当前重建的CT图像；W是CT系统矩阵，由步骤(S1)获取的系统参数确定；为约束条件；||f||TV表示图像f的全变分函数，其定义为式中，i、j分别表示图像像素点所在的行号和列号，ε为投影数据的噪声水平，η为大于0小于10-8的常数。四、模型求解并获得最终重建图像对构建的稀疏角度快中子CT图像重建模型进行求解，获得进行图像全变分优化后的图像，然后进行循环，当循环次数达到预设的次数后即停止计算，并将获得的迭代计算结果作为最终的重建图像。本实施例采用梯度下降法对构建的稀疏角度CT图像重建模型进行求解，其表达式为：d＝||f(0)-f(k)||2(1)f(k+1)＝f(k)-λ*d*G(k)(4)其中，f(0)和f(k)分别表示迭代重建的结果和梯度下降第k(本文档来自技高网...

【技术保护点】
1.一种稀疏角度快中子CT成像方法，其特征在于，包括如下步骤：/n(S1)设置快中子CT成像几何系统参数，得到系统矩阵，然后利用快中子CT系统采集稀疏角度下待测样品的投影数据，获得待重建切片层的正弦图，并对正弦图进行对数变换处理；/n(S2)对步骤(S1)中对数变换处理后的投影数据采用统计迭代重建算法进行重建，得到初步的重建结果；/n(S3)利用步骤(S2)获得的图像构建稀疏角度快中子CT图像重建模型，该图像重建模型为：/n

【技术特征摘要】
1.一种稀疏角度快中子CT成像方法，其特征在于，包括如下步骤：
(S1)设置快中子CT成像几何系统参数，得到系统矩阵，然后利用快中子CT系统采集稀疏角度下待测样品的投影数据，获得待重建切片层的正弦图，并对正弦图进行对数变换处理；
(S2)对步骤(S1)中对数变换处理后的投影数据采用统计迭代重建算法进行重建，得到初步的重建结果；
(S3)利用步骤(S2)获得的图像构建稀疏角度快中子CT图像重建模型，该图像重建模型为：



其中，p是步骤(S1)获取的稀疏角度投影数据；f是当前重建的CT图像；W是CT系统矩阵，由步骤(S1)获取的系统参数确定；为约束条件；||f||TV表示图像f的全变分函数，其定义为式中，i、j分别表示图像像素点所在的行号和列号，ε为投影数据的噪声水平，η为大于0小于10-8的常数；
(S4)对步骤(S3)中构建的稀疏角度CT图像重建模型进行求解，获得图像全变分优化后的图像；
(S5)循环步骤(S2)～(S4)，当循...

【专利技术属性】
技术研发人员：王鹍，苏明，高凡，韦炳军，帅茂兵，
申请(专利权)人：中国工程物理研究院材料研究所，
类型：发明
国别省市：四川;51