[发明专利]基于空谱双域张量自相似的能谱CT重建方法有效
申请号: | 201910160075.9 | 申请日: | 2019-03-04 |
公开(公告)号: | CN109903355B | 公开(公告)日: | 2020-08-04 |
发明(设计)人: | 张意;夏文军;周激流 | 申请(专利权)人: | 四川大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00 |
代理公司: | 成都天既明专利代理事务所(特殊普通合伙) 51259 | 代理人: | 李蜜;彭立琼 |
地址: | 610065 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 空谱双域 张量 相似 ct 重建 方法 | ||
1.一种基于空谱双域张量自相似的能谱CT重建方法,其特征在于包括以下步骤:
(1)依据CT机先前扫描的投影数据,并使用滤波反投影算法获取初始能谱CT图像;
(2)采用交替方向乘子法对输入图像进行处理得到重建能谱CT图像:以初始能谱CT图像作为输入图像时为第一次迭代过程,第一次迭代的初始值即n=0,除第一次迭代外,每一次迭代时使用的初始值都为上一次迭代得到的结果,对于第n+1次迭代,重建能谱CT图像过程包括以下分步骤:
(21)构建三阶相似张量:当输入图像由M个谱段组成时,选取任一谱段作为参考依据,在该谱段图像上重叠提取P个图像块,然后使用图像匹配算子构建P个三阶相似张量,依次为其中为第n+1次迭代中构建的第p个图像块的三阶相似张量,对于初始能谱CT图像,n=0;
(22)依据以下公式得到P个三阶相似张量的低秩分量:
式中,为第n+1次迭代中使得(1)式中目标函数极小化时的值,并将其作为第p个三阶相似张量的低秩分量,为第n次迭代中的稀疏分量,λ1为权重参数,ρ均为松弛因子,p=1,2,…,P;
(23)依据以下公式得到P个三阶相似张量的稀疏分量:
式中,为第n+1次迭代中的低秩分量,由步骤(22)得到,为第n+1次迭代中使得式(2)中目标函数极小化时的值,λ2为权重参数,p=1,2,…,P;
(24)依据以下公式得到第n+1次迭代的重建结果:
式中,分别为第n+1次迭代中第p个三阶相似张量的低秩分量和稀疏分量,分别由步骤(22)和步骤(23)得到,为第n+1次迭代中使得(3)式中目标函数极小化时的值,并将其作为第n+1次迭代重建能谱CT图像的输出值,为依据目标函数中构建的第p个三阶相似张量,A(·)为CT机系统矩阵的投影函数,为投影数据组成的张量,ρ为松弛因子,P为三阶相似张量的总数;
(3)评价图像质量,对重建能谱CT图像质量进行评价,若图像质量满足设定要求,则输出图像为最终的重建能谱CT图像;若图像质量没有达到设定要求,以重建能谱CT图像为输入图像,返回步骤(2)进行下一次迭代。
2.根据权利要求1所述基于空谱双域张量自相似的能谱CT重建方法,其特征在于步骤(21)使用图像匹配算子构建P个三阶相似张量的过程包括以下分步骤:
(211)选取任一谱段作为参考依据,获取该谱段的二维CT图像,在该二维CT图像上重叠提取P个图像块;
(212)对于第p个图像块,以其中心创建搜索窗,在搜索窗内找到与第p个图像块最相似的z-1个图像块,将第p个图像块及与之相似的z-1个图像块全部转化为列向量,然后将这些列向量组成一个相似矩阵;
(213)获得第p个图像块及与之相似的z-1个图像块在参考谱段上的位置,分别提取在其余谱段图像上相同位置的图像块,并将这些图像块转化为列向量,构建相应谱段的相似矩阵;
(214)将步骤(212)和步骤(213)获得的M个相似矩阵堆叠成第p个三阶相似张量
(215)对于步骤(211)中提取的P个图像块,重复(212)-(214),便获得P个三阶相似张量
3.根据权利要求2所述基于空谱双域张量自相似的能谱CT重建方法,其特征在于在参考谱段图像上选取的P个图像块的重叠范围为40%~80%。
4.根据权利要求2所述基于空谱双域张量自相似的能谱CT重建方法,其特征在于采用块匹配或欧拉距离在参考谱段图像搜索窗内找到第p个图像块的z-1个相似的图像块。
5.根据权利要求2所述基于空谱双域张量自相似的能谱CT重建方法,其特征在于所述搜索窗窗口大小为选取的图像块大小的2~10倍。
6.根据权利要求1所述基于空谱双域张量自相似的能谱CT重建方法,其特征在于步骤(22)中,的最优解通过构建的以下函数得到:
式中,和由沿第k阶展开得到的矩阵经奇异值分解得到的第l大的奇异值和奇异向量,foldk是将矩阵还原成张量的算子;得到的的最优解即为
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学,未经四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910160075.9/1.html,转载请声明来源钻瓜专利网。