[发明专利]一种CT图像的金属伪影校正方法

摘要

本发明提出一种金属伪影校正方法，首先采用基于马尔科夫随机场模型的方法分割金属区域，解决了传统金属伪影去除算法中金属区域分割不精的问题，避免由于金属投影边界定位不准而出现更多的二次伪影；然后采用一种先验插值算法，解决了线性插值后金属投影区域边界处不平滑的问题，并且把金属边缘的骨骼结构信息反馈到校正后的投影数据中，以解决传统的插值算法校正的结果会丢失金属边缘高对比度物质的结构问题。

主权项

一种CT图像的金属伪影校正方法，其特征在于，包括：图像加载单元101，在计算机上加载待处理的CT图像；金属分割单元102，用来分割CT图像中的金属区域，构造金属图像；滤波单元103，用于抑制CT图像的噪声；骨骼提取单元104，用于提取金属区域周边的骨骼结构信息；软组织恢复单元105，用于恢复金属区域周边伪影区的软组织信息；先验图像合成单元106，用于合成先验图像；前向投影单元107，用于生成原始CT图像、金属图像及先验图像的投影数据；插值单元108，用于对于金属区域的投影数据进行插值校正；图像重建单元109，用于重建校正后投影数据的CT图像；图像融合单元110，用于生成最终金属伪影校正后的CT图像；步骤1，分割出CT图像中的金属区域，构造金属图像；步骤2，提取金属区域周边的结构信息，构造先验图像；步骤3，对原始CT图像、金属图像和先验图像进行前向投影；步骤4，利用金属图像的投影数据和先验图像的投影数据对原始图像投影数据中的金属区域进行插值校正；步骤5，对校正后的投影数据进行重建，并将重建结果与金属图像融合得到最终的校正图像；所述步骤1中是采用基于马尔科夫随机场模型的方法分割出CT图像中的金属区域，其数学表达形式如下：L(x)=min(u(x|y))=min(Σi(yi-ul)22σl2+lg2πσl+βΣiΣj∈Niφ(xi,xj))]]>其中L(x)是对CT图像的一个分类，xi代表像素i的标签，xi＝l,l＝1,2,...,K，将整个图像的像素可以分为K类，y是待处理的CT图像，假设每一类的像素值服从均值为ul，方差为σl的高斯分布，β为加权因子，Ni为以像素i为中心的3*3邻域，φ(xi,xj)为邻域正则函数；所述的邻域正则函数具有如下数学表达形式：φ(xi,xj)=1xi≠xj0xi=xj;]]>所述步骤2包括：步骤2.1，对原始CT图像进行滤波处理，抑制图像的条状伪影；步骤2.2，采用阈值分割的方法提取金属周围的骨骼结构信息；步骤2.3，恢复金属周围的软组织结构信息；步骤2.4，融合骨骼结构信息构造先验图像；所述步骤2.1中包括：采用阈值约束的均值滤波器对原始CT图像进行滤波处理，其数学表达式如下：vAF(i)=Σi∈I,j∈Niw(i,j)v(j)]]>w(i,j)=1Z(i)e-||v(i)-v(j)||22h2|v(i)-v(j)|≤T0|v(i)-v(j)|>T]]>Z(i)=Σj∈Nie-||v(i)-v(j)||22h2·χ(|v(i)-v(j)|-T)]]>χ(x)=1x≤00others]]>其中：v＝{v(i)|i∈I}为原始图像，vAF(i)为滤波后图像，N为方形局部滤波窗口的半边长，T为自定义阈值，w(i,j)为依赖于中心像素i与邻域像素j相似程度的权值，中心像素i与邻域像素j之间的欧式距离越大，它们的相似程度越低；如果中心像素i与邻域像素j之间CT值超过固定阈值，则它们间的相似度为0，即邻域像素j不参与中心像素i的计算，h为滤波参数，用以控制滤波强度；所述步骤2.3包括：采用区域生长的方法提取靠近金属的伪影区S，对伪影区内的像素按如下数学表达式进行软组织信息恢复：fAF(m,n)=MINsoft+Ae(-cD){m,n}∈SfAF(m,n){m,n}∉S]]>其中D为赋值像素点距离最近的金属像素的欧氏距离，MINsoft为伪影区域边界处的最小值；A表示软组织CT值的浮动范围；c是曲线参数；所述步骤2.4包括：按如下数学表达式构造先验图像fE(m,n)=fB(m,n){m,n}∈BfAF(m,n){m,n}∉B]]>其中B是阈值分割出的骨骼区域，fB(m,n)是骨骼结构信息，fE(m,n)是先验图像；所述步骤4包括：按如下数学表达式对原始图像投影数据中的金属区域进行插值校正gmtran=(gj-gjfp)+(gj+Δ+1-gj+Δ+1fp)-(gj-gjfp)Δ+1(k-j)]]>gcorr=gmfp+gmtranifm∈[j+1,j+Δ]gothers]]>其中g代表原始图像的投影数据，对于任意投影视角{gm|m∈[j+1,j+Δ]}为原始图像的投影数据中对应的金属投影区域，gj,gj+Δ+1为金属邻域投影，gfp为先验图像的投影数据，为原始图像投影与先验图像投影在金属投影区域的平滑过渡，gcorr为校正后的投影数据；所述步骤5包括：按如下数学表达式将重建结果与金属图像融合fF(m,n)=α·fcorr(m,n)+(1-α)·fmetal(m,n)(m,n)∈Gfcorr(m,n)(m,n)∉G]]>其中fcorr为用校正后的投影数据进行重建得到的图像，fmetal为分割出的金属区域图像，G为分割出的金属区域，fF为校正后的图像，α为融合系数。