[发明专利]一种基于图像各向异性边缘检测的CT稀疏角度重建方法

摘要

本发明提供一种基于图像各向异性边缘检测的CT稀疏角度重建方法，该方法基于图像各向异性的边缘检测信息，在图像重建过程中更新TV各加权分量的加权权重，从而达到增强图像边缘，提高重建图像的分辨率，改善重建图像质量的目的。本发明可以在更少的投影幅数下重建图像，更加有效的降低CT成像的辐射剂量。

主权项

一种基于图像各向异性边缘检测的CT稀疏角度重建方法，其特征在于：该CT稀疏角度重建方法包括以下步骤：将CT图像特征与CT图像重建相结合，利用图像各向异性边缘检测的边缘信息改变图像总变差计算中各分量的加权权重，并采用图像总变差最小化的方法重建图像；总变差最小化问题：p为CT稀疏角度投影数据，H为CT投影系统矩阵；所述图像总变差的计算方法为：其中，表示各向异性加权的图像总变差，g(i,j)_(s,t)表示中各个分量的权重，(s,t)为像素点(i,j)的邻域像素，计算中分量的个数由像素点的邻域α决定，ui,j表示图像u中像素点(i,j)处的像素值，us,t表示图像u中像素点(s,t)处的像素值，表示图像u沿像素的邻域方向的导数的绝对值；所述CT稀疏角度重建方法具体包括以下步骤：1)设置初始迭代次数k＝0，初始化重建图像u(0)，图像大小为L×L；同时，初始化图像总变差计算中用于各向异性加权的权重矩阵g；2)增加迭代次数k＝k+1，利用代数迭代法重建得到更新的重建图像；3)根据步骤2)中得到的更新的重建图像，求解满足图像总变差最小化的图像u(k)；总变差最小化问题：4)对图像u(k)进行各向异性的边缘检测，得到x和y两个方向的边缘图像EdgeX以及EdgeY；所述边缘检测的具体步骤为：a)对图像进行高斯滤波；b)对滤波后的图像分别沿x、y方向求导，得到对应的梯度分量图像Dx与Dy；c)根据梯度分量图像Dx与Dy将图像像素点(i,j)按照其梯度矢量(Dxij,Dyij)所属区域分为x向边缘点以及y向边缘点；x向边缘指边缘切线方向偏向x轴，y向边缘指边缘切线方向偏向y轴；d)对步骤c)分类后的边缘点沿梯度方向进行梯度模的非极大值抑制，选择梯度模的局部最大值点位置；e)对步骤d)找到的梯度模的局部最大值点的梯度模进行高、低双阈值约束，从而找到大于等于高阈值的点域Ω和位于高、低阈值之间的点域Ψ；f)对Ω中的点以Ψ中的点作为连通 邻域补充进行形态学连接和边缘细化；5)根据边缘图像EdgeX与EdgeY更新权重矩阵为gnew；权重矩阵gnew根据边缘图像EdgeX与EdgeY得到，当EdgeX中像素点(i,j)的值为逻辑真时，更新权重g(i,j)_(i+1,j)以及g(i+1,j)_(i,j)为零，否则保持原值不变；同样，当EdgeY中像素点(i,j)的值为逻辑真时，更新权重g(i,j)_(i,j+1)以及g(i,j+1)_(i,j)为零，否则保持原值不变；6)使用更新后的权重矩阵gnew计算图像u(k)的图像总变差；重复步骤2)至步骤6)直至满足迭代截止条件，并输出图像u(k)。