一种图像降噪的系统和方法与流程

【技术领域】

本申请涉及图像降噪，尤其涉及一种应用于计算机断层扫描领域正则化统计图像重建的图像降噪的系统及方法。

背景技术：

计算机断层扫描(computedtomography，ct)是一种通过计算机处理将从不同角度拍摄的x射线图像进行组合，生成横截面图像的技术。ct技术广泛应用于医疗诊断。在ct扫描过程中，重建的图像中会出现噪音。均匀区域的噪音可以通过执行图像降噪，比如边缘保留正则化，减少或降低。然而，边缘保留正则化可能无法降低均匀区域之间的边界上的噪音，这使得平滑表面之间的边界区域变得粗糙。因此，需要一种系统与方法来减少重建图像边界处的噪音。

技术实现要素：

针对上述问题，本发明的目的在于提供一种有效降低重建图像噪音的方法。

为达到上述发明目的，本发明提供的技术方案如下：

一种图像降噪方法，包括获取第一图像数据；确定第一图像数据的约束或者梯度；基于该约束或者梯度确定第一图像数据的正则化参数；基于该正则化参数和第一图像数据产生第二图像数据；基于该第二图像数据确定正则化图像。在本发明中，该一个或多个处理设备的任务上限与该一个或多个处理设备的容量相关。

在本发明中，获取第一图像数据包括使用边缘保留正则化的统计重建算法来重建原始投影数据。

在本发明中，该第一图像数据的约束基于一个正则项而被确定。

在本发明中，该正则项是一个矩阵，该矩阵包括与该第一图像数据的一个或者多个像素或者体素相对应的一个或者多个正则项元素。

在本发明中，该第一图像数据的梯度基于该第一图像数据的灰度值而被确定。

在本发明中，该梯度是一个矩阵，该矩阵包括与该第一图像数据的一个或者多个像素或者体素相对应的一个或多个梯度值。

在本发明中，基于正则化参数生成该第二图像数据包括在多次迭代中对该第一图像数据进行正则化，在每一次迭代过程中：确定上一次迭代过程中生成的图像数据的约束或梯度；基于该约束或梯度，更新该正则化参数；以及基于该正则化参数和该像数据，修正上一次迭代过程中获得的图像数据。

一个图像降噪系统，该系统包括一个处理器和存储器，其特征在于，该系统包括：一个图像生成模块，被配置为获取第一图像数据；一个正则化单元，被配置为确定该第一图像数据的一个约束或一个梯度，并基于该约束或梯度，确定该第一图像数据的一个正则化参数；和一个图像重建单元，被配置为基于该正则化参数重建第二图像数据。

在本发明中，该图像生成模块进一步被配置为使用边缘保留正则化的统计重建算法来重建原始投影数据。

在本发明中，该图像生成模块进一步被配置为在多次迭代中对该第一图像数据进行正则化，在每一次迭代过程中：确定上一次迭代过程中生成的图像数据的约束或梯度；基于该约束或所述梯度，更新该正则化参数；以及基于该正则化参数和该图像数据，修正该上一次迭代过程中获得的图像数据。

与现有技术相比，本发明的有益效果表现如下：

一、有效降低重建图像中组织、器官边缘或两个或多个组织、器官交界处边界上的噪音；

二、提高图像质量。

【附图说明】

图1a和图1b是根据本申请的一些实施例所示的一个ct系统的示意图。

图2是根据本申请的一些实施例所示的一个计算设备的示例性硬件和/或软件组成的示意图。

图3是根据本申请的一些实施例所示的一个移动设备的示例性硬件和/或软件组成的示意图。

图4是根据本申请的一些实施例所示的一个示例性处理引擎的框图。

图5是根据本申请的一些实施例所示的一个示例性处理模块的框图。

图6是根据本申请的一些实施例所示的处理图像或者图像数据的方法的示例性流程的流程图。

图7是根据本申请的一些实施例所示的一个示例性正则化单元的框图。

图8a至8c所示为根据本申请一些实施例所示的确定正则化参数的示例性流程的流程图。

图9a是根据本申请的一些实施例所示的通过边缘保留正则化方法重建的一个示例性ct图像；和

图9b是根据本申请实施例所示的基于正则化参数执行正则化操作重建获得的一个示例性ct图像。

【具体实施方式】

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图和实施例对本发明的具体实施方式做详细的说明。

本发明所涉及的图像降噪系统，不仅可以用于医学成像，如疾病的诊断和研究等，还可用于工业、计算机等多个领域。在一些实施例中，所述成像系统可以是计算机断层扫描(computedtomography，ct)系统、发射计算机断层扫描(emissioncomputedtomography，ect)系统、磁共振成像(magneticresonanceimaging，mri)系统、超声波(ultrasound，us)系统、x射线成像系统、正电子发射断层扫描(positronemissiontomography，pet)系统等，或其任意，或其任意组合。

本申请描述了一种ct图像重建的系统及方法。所述系统可以基于统计图像重建算法重建ct图像。所述统计图像重建算法可以包括一个正则化参数，所述正则化参数可以被用于统计图像重建时减少噪音或者伪影。

下面的描述是为了帮助更好的理解ct图像重建方法和/或系统。本申请中的“图像”可以指2d图像、3d图像、4d图像，和/或任何相关的图像数据(例如，ct数据，与ct数据对应的投影数据)。这并非限定本申请的范围。对于本领域的普通技术人员来讲，可以在本申请的指导下做出一定数量的变例、变更和/或修改。诸如此类的变例、变更和/或修改，均在本申请的保护范围之内。

图1a和1b是根据本申请的一些实施例所示的一个示例性ct系统100的示意图。如图所示，ct系统100可以包括ct扫描仪110、网络120、一个或者多个终端130、处理引擎140和数据库150。

ct扫描仪110可以包括机架111、探测器112、探测区域113、扫描台114和放射性扫描源115。机架111可以支撑探测器112和放射性扫描源115。物体可以被放置在扫描台114上进行扫描。放射性扫描源115可以向物体发射放射性射线。探测器112可以探测从探测区域113处发射出来的放射事件(比如，伽马光子)。在一些实施例中，探测器112可以包括一个或者多个探测单元。所述探测单元可以包括一个闪烁探测器(比如，碘化铯探测器)、气体探测器等。探测单元可以是和/或包括单列探测器和/或多列探测器。

网络120可以包括可以为ct系统100提供信息和/或数据交换的任意合适的网络。在一些实施例中，ct系统100的一个或者多个组件(比如，ct扫描仪110、终端130、处理引擎140、数据库150等)可以通过网络120与ct系统100的一个或者多个其他组件进行信息和/或数据的通信。例如，处理引擎140可以通过网络120从ct扫描仪110获取图像数据。又例如，处理引擎140可以通过网络120从终端130获取用户指令。网络120可以是和/或包括公用网络(例如，因特网)、专用网络(例如，局域网(lan)、广域网(wan)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、wifi网络)、蜂窝网络(例如，lte网络)、帧中继网络、虚拟专用网络(“vpn”)、人造卫星网络、电话网络、路由器、集线器、服务器计算机，和/或其任意组合。仅仅作为示例，网络120可以包括有线电视网络、有线网络、光纤网络、通讯网络、内联网、无线局域网、城域网(man)、公用电话交换网络、蓝牙网络、zigbee网络、近场通讯(nfc)网络等，或其任意组合。在一些实施例中，网络120可以包括一个或者多个网络接入点，例如，网络120可以包括有线或无线接入点，如基站或网络交换点。通过所述接入点，ct系统100的一个或多个组件可以与网络120连接，并通过网络接入点交换数据或信息。

终端130可以包括移动设备131、平板电脑132、手提电脑133等，或其任意组合。在一些实施例中，移动设备131可以包括智能家居设备、可穿戴设备、手持设备、虚拟现实设备、现实增强设备等，或其任意，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电子装置控制设备、智能监控设备、智能电视机、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可以包括手镯、鞋袜、眼镜、头盔、手表、服装、背包、智能配件等，或其任意组合。在一些实施例中，手持设备可以包括移动手机、个人数码助理、游戏设备、导航设备、pos设备、笔记本电脑、平板电脑、台式电脑等，或其任意组合。在一些实施例中，虚拟现实设备和/或现实增强设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、现实增强头盔、现实增强眼镜、现实增强眼罩等，或其任意组合。例如，虚拟现实设备和/或现实增强设备可以包括googleglass、oculusrift、hololens、gearvr等。在一些实施例中，终端130可以是处理引擎140的一部分。

处理引擎140可以处理来自于ct扫描仪110、终端130和/或数据库150的数据和/或信息。例如，处理引擎140可以处理图像数据以及确定可以用来修改图像数据的正则项。在一些实施例中，处理引擎140可以是电脑、用户控制台、单个服务器或服务器组等。服务器组可以集中起来或者分散开来。在一些实施例中，处理引擎140可以是本地的，也可以是远程的。例如，处理引擎140可以通过网络120访问存储在ct扫描仪110、终端130和/或数据库150中的信息和/或数据。又例如，处理引擎140可以直接与ct扫描仪110、终端130和/或数据库150连接来访问其中存储的数据和/或数据。在一些实施例中，处理引擎140在云计算平台上执行。仅仅举例来说，云计算平台可以包括私有云、公用云、混合云、社区云、分散云、互联云、多重云等，或其任意组合。在一些实施例中，处理引擎140可以由如图2所示的拥有多个部件的计算设备200执行。

数据库150可以用来存储数据、指令和/或其他信息。在一些实施例中，数据库150可以存储从终端130和/或处理引擎140工作中产生的各种数据。在一些实施例中，数据库150可以存储处理器可以执行或利用的数据和/或指令来执行本申请描述的一些示例性方法。在一些实施例中，数据库150可以包括大容量存储器、可移动存储器、非易失读写存储器、只读存储器(rom)等，或其任意组合。大容量存储器可以包括磁盘、光盘、固态硬盘等。可移动存储器可以包括闪存硬盘、软盘、光碟、记忆卡、压缩磁盘、磁带等。非易失读写存储器可以包括随机存取存储器(ram)。ram可以包括动态随机存储器(dram)、双倍速率同步动态随机存储器(ddrsdram)、静态随机存储器(sram)、晶闸管随机存储器(t-ram)、零电容随机存储器(z-ram)等。rom可以包括宏只读存储器(mrom)、可编程只读存储器(prom)、可擦可编程只读存储器(eprom)、电可擦可编程只读存储器(eeprom)、只读光盘(cd-rom)和数码影碟光盘等。在一些实施例中，数据库150在云计算平台上执行。仅仅举例来说，云计算平台可以包括私有云、公用云、混合云、社区云、分散云、互联云、多重云等，或其任意组合。

在一些实施例中，通过网络120，数据库150可以与ct系统100中的其他一个或多个组件(处理引擎140、终端130等)进行通信。ct系统100中的其他一个或多个组件可以通过网络120访问数据库150中存储的数据和/或指令。在一些实施例中，数据库150可以直接与ct系统100中的一个或多个组件(如，处理引擎140、终端130等)连接或通信。在一些实施例中，数据库150可以是处理引擎140的一部分。

图2是根据本申请的一些实施例所示的示例性计算设备200的示例性硬件和/或软件组成的示意图。处理引擎140可以在示例性计算设备200上实现如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出230和通信端口240。

处理器210可以执行计算机指令(如程序代码)，并执行与本申请所描述的处理引擎140的功能。所述计算机指令可以包括，例如，程序、程式、对象、组件、数据结构、规程、模块和功能，此处所述的特殊功能。例如，处理器210可以处理来自ct扫描仪110、终端130、数据库150和/或任何其他ct系统组件的数据。在一些实施例中，处理器210可以包括一个或者多个硬件处理器，比如微控制器、微处理器、精简指令集计算机(risc)、专用集成电路(asics)、专用指令集处理器(asip)、中央处理机(cpu)、图形处理器(gpu)、物理处理器(ppu)、单片机、数字信号处理器(dsp)、现场可编程门阵列(fpga)、高级精简指令集计算机(arm)、可编程逻辑电路(pld)，任何电路或者能够执行一个或多个功能的处理器等中的任意组合。

仅仅作为示例，仅描述了计算设备200的一个处理器。然而，需要注意的是此处的计算设备200也可以包括多个处理器，因此由一个处理器所执行的操作和/或方法步骤也可以由多个处理器共同或者单独执行。例如，如果计算设备200的处理器执行步骤a和步骤b，可以理解的是，步骤a和步骤b也可以由计算设备200中两个或者两个以上的处理器共同或单独执行(如第一个处理器执行步骤a，第二个处理器执行步骤b，或者第一和第二处理器共同执行步骤a和步骤b)。

存储器220可以存储来自于ct扫描仪110、终端130、数据库150和/或其他任一ct系统100组件的数据和/或信息。在一些实施例中，存储器220可以包括大容量存储器、可移动存储器、非易失读写存储器、只读存储器(rom)等，或其任意组合。例如，大容量存储器可以包括磁盘、光盘、固态硬盘等。可移动存储器可以包括闪存硬盘、软盘、光碟、记忆卡、压缩磁盘、磁带等。非易失读写存储器可以包括随机存取存储器(ram)。ram可以包括动态随机存储器(dram)、双倍速率同步动态随机存储器(ddrsdram)、静态随机存储器(sram)、晶闸管随机存储器(t-ram)、零电容随机存储器(z-ram)等。rom可以包括宏只读存储器(mrom)、可编程只读存储器(prom)、可擦可编程只读存储器(eprom)、电可擦可编程只读存储器(eeprom)、只读光盘(cd-rom)和数码影碟光盘等。在一些实施例中，存储器220可以存储一个或者多个程序和/或指令来执行本申请中的一些示例性方法。例如，存储器可以存储处理引擎140的程序来确定正则项。

输入/输出230可以输入和/或输出信号、数据和信息等。在一些实施例中，输入/输出230可以通过处理引擎140实现与用户交互。在一些实施例中，输入/输出230可以包括一个输入设备和一个输出设备。输入设备可以包括键盘、鼠标、触摸屏、麦克风等，或其任意组合。输出设备可以包括显示设备、扬声器、打印机、投影仪等，或其任意组合。显示设备可以包括液晶显示屏(lcd)、发光二极管(led)显示屏、平板显示器、曲屏、电视设备、阴极射线管(crt)、触摸屏等，或其任意组合。

通信端口240可以通过与网络(如网络120)连接，加速数据通信。通信端口240可以建立处理引擎140与ct扫描仪110、终端130和/或数据库150之间的连接。所述连接可以是有线连接，也可以是无线连接，以及能够进行数据传输和/或接收数据的任何其他一种或多种通信连接。所述有线连接可以包括，例如电缆线、光缆、电话线等，或其任意组合。所述无线连接可以包括，例如，蓝牙、wi-fi、wimax、wlan、zigbee、移动网络(如3g、4g和5g等)等，或其任意组合。在一些实施例中，通信端口240可以包括一个标准化的通信端口，比如rs232和rs485等。在一些实施例中，通信端口240可以是一个特殊设计的通信端口。例如，通信端口240可以根据医学数字影像和通讯协议来设计。

图3是根据本申请的一些实施例所示的一个示例性移动设备300的示例性硬件和/或软件组成的示意图。终端130可以在移动设备300上实现。如图3所示，移动设备300可以包括一个通信平台310、一个显示器320、一个图形处理器330、一个中央处理器340、一个输入/输出350、一个内存和一个存储器390。在一些实施例中，任何其他合适的组件，包括但不限于一个系统总线或一个控制器(未显示)也可以包括在移动设备300中。在一些实施例中，一个操作系统370(如ios、android和windowsphone等)和一个或更多应用程序380可以通过存储器390存入内存60，由中央处理器340执行。应用程序380可以包括一个浏览器或者任何其他合适的移动apps来接收和呈现与图像处理有关的信息或其他来自处理引擎140的信息。用户与信息流的交互可以通过输入/输出350实现，并通过网络120提供给处理引擎140和/或ct系统100的其他组件。

为了实现本申请中各个模块、单元以及它们的功能，计算机硬件平台可以被用作一个或多个元件的硬件平台。具有用户界面元件的计算机可以被用来实现一台个人电脑或者其他任何类型的工作站或终端设备。如果操作或编程恰当，计算机也可以被作为服务器。

图4是根据本申请一些实施例所示的一个示例性处理引擎140的示意图。处理引擎140可以包括获取模块410、控制模块420、存储模块430和处理模块440。

获取模块410可以获取ct数据。获取模块410可以获取来自于探测器112的ct数据。所述ct数据与穿过物体的x射线有关。在一些实施例中，放射性扫描源115可以向物体发射x射线。所述x射线可以透过物体，并在透射过程中逐渐衰减。衰减后的x射线可以被探测器112探测到，并被传输到获取模块410。在一些实施例中，获取的ct数据可以被传输到存储模块430加以存储。

控制模块420可以控制获取模块410、存储模块和/或处理模块440(例如，通过生成一个或多个控制参数)的操作。例如，控制模块420可以控制获取模块410获取信号以及获取信号的时间等。又例如，控制模块420可以控制处理模块440处理获取模块410获得的ct数据。在一些实施例中，控制模块420可以接收实时命令或者获取用户(例如，医生)提供的一个预设指令，控制获取模块410和/或处理模块440的一个或多个操作。例如，控制模块420可以根据所述实时命令和/或所述预设指令，控制获取模块410和/或处理模块440生成物体图像。在一些实施例中，控制模块420可以与处理引擎140中的其他一个或者多个模块进行通信，交换信息和/或数据。

存储模块430可以存储ct数据、控制参数、处理的ct数据等，或其任意组合。在一些实施例中，存储模块430可以存储一个或多个程序和/或指令，所述程序和/或指令可以被处理引擎140中的处理器执行，用以实施本申请中的示例性方法。例如，存储模块430可以存储程序和/或指令，所述程序和/或指令可以被处理引擎140的处理器执行，用以获取ct数据，基于ct数据重建ct图像，和/或呈现任何中间结果或结果图像。

处理模块440可以处理由处理引擎140中的各个模块提供的信息。处理模块440可以处理由获取模块410获得的ct数据，也可以处理由存储模块430存储的ct数据等。在一些实施例中，处理模块440可以基于重建算法对ct数据进行重建，生成ct图像，生成包括一个或多个ct图像和/或其他相关信息的报告，和/或执行本申请的各实施例所描述的图像重建的任何其他功能。所述重建算法包括迭代重建算法(如统计重建算法)、傅里叶切片定理算法、滤波反投影算法、扇束重建算法、分析重建算法等，或其任意组合。例如，处理模块440可以确定ct数据的正则项和/或正则化参数，并基于所述正则项和/或正则化参数重建ct图像。

在一些实施例中，如图4所示的一个或者多个模块可以由图1a和1b中所示的示例性ct系统或其组件实现。例如，获取模块410、控制模块420、存储模块430和/或处理模块440可以集成到一个控制台上(未示出)。通过所述控制台，用户可以设置扫描物体的参数、控制图像处理、控制图像重建的参数和观察重建的图像等。在一些实施例中，所述控制台可以由处理引擎140和/或终端130实现。

图5是根据本申请一些实施例所示的一个示例性处理模块440的示意图。处理模块440可以包括图像生成单元510、正则化单元520、修改单元530和存储单元540。处理模块440可以由不同部件或组件(如图2所示的计算设备200的处理器210)实现。

图像生成单元510可以生成或者更新图像数据(或与所述图像数据相对应的一个图像)。值得注意的是，此处所用的术语“图像”、“图像数据”可以被交叉使用。所述图像数据可以包括2d图像数据、3d图像数据、4d图像数据等，或其任意组合。与图像数据相对应的图像可以包括2d图像、3d图像、4d图像等，或其任意组合。例如，图像生成单元510可以生成3d图像数据或者与3d图像数据相对应的3d图像。图像生成单元510可以基于一个或者多个重建操作生成或者更新图像数据(或者与图像数据对应的图像)。所述重建操作可以包括统计重建、滤波反投影、基于全变差的图像重建、迭代重建和分析重建等中的一个或者多个组合。在一些实施例中，图像数据或者图像可以被传输到正则化单元520和/或修改单元530来进一步进行处理或者被传输到存储单元540或者任何本申请中用于存储数据的存储设备。

正则化单元520可以确定正则项和/或正则化参数。所述正则项可以是一个在图像重建过程中对图像数据进行正则化的项。例如，在图像重建过程中，基于所述正则项对图像中的某一组织表面进行平滑。在一些实施例中，正则化单元520可以基于图像数据的全变差确定正则项。所述正则化参数可以指一个用来控制正则项强度的参数。在一些实施例中，所述正则项和/或正则化参数可以基于ct系统100的默认设置而生成。例如，正则化参数可以是一个常数(例如，0和1之间的小数)。在一些实施例中，所述正则项和/或正则化参数可以基于不同的情形进行调节。仅仅作为示例，正则化参数的一个默认值或一个参考值可以由处理引擎140提供，并基于特定的正则化参数的使用场景进行调节。

修改单元530可以基于正则项和/或正则化参数来修改图像或者图像数据。待修改的图像或者图像数据可以从图像生成单元510、存储单元540或者本申请所披露的任何存储设备中获取。修改单元530可以基于所述正则项和/或正则化参数来修改所述图像数据。在一些实施例中，修改单元530可以进一步提供一个用户界面(未示出)。例如，所述用户界面可以在终端130上。用户(如医生)可以通过所述用户界面输入一个或者多个参数，以调节图像或者图像数据。例如，用户可以放大或者缩小图像。又比如，用户可以修改图像的对比度。再比如，用户可以初始化或者终止图像降噪操作。

存储单元540可以存储图像或者图像数据、正则项、正则化参数、修改后的图像数据等，或其任意组合。存储的格式可以包括文本、图像、音频、代码等，或其任意组合。在一些实施例中，所述图像可以是压缩的形式，比如bmp、jpeg、tiff、gif、png、exif等。在一些实施例中，所述图像可以以一种或者多种其他合适的方式加以存储。例如，所述图像可以通过医学数字影像和通讯(dicom)协议加以存储。

存储单元540可以指一个系统存储器(如磁盘)，所述系统存储器可以是作为一个整体(即，基本无法移动)，或者一个与所述系统通过，例如，一个端口(如usb端口，火线端口等)，一个驱动器，进行连接的存储器。存储单元540可以包括，比如，硬盘、软盘、随机存取存储器(ram)、动态随机存取存储器(dram)、静态随机存取存储器(sram)、磁泡存储器等，薄膜存储器，相变存储器，闪存，或其任意组合。存储单元540可以与处理引擎140中一个或者多个组件连接或者通信。在一些实施例中，存储单元540可以通过网络与一个或者多个虚拟的存储源(如云存储器等)进行连接。

值得注意的是，以上关于处理模块的描述仅仅只是为了便于说明，但不限制本申请披露的范围。对于本领域的技术人员来讲，在了解本申请发明内容与原理后，可以对本申请进行各种修改和改变。但是，该类修改和改变仍然属于本申请实施例的精神和范围。例如，处理模块440中的一个或者多个单元各自可以包括一个独立的存储模块(未显示)。又比如，任何两个或者两个以上单元可以结合为一个独立的单元，用于执行多个功能。又例如，存储单元540可以不是必需的，处理模块440可以和处理引擎140共享存储模块430。再例如，任何这些单元中的一个可以被分割成两个或者两个以上的子单元。

图6是根据本申请的一些实施例所示的处理图像或者图像数据的方法600的示例性流程图。

步骤602可以包括获取投影数据。所述投影数据可以通过图像生成单元510获取。所述投影数据可以指与投影到一个特定的投影平面的图像或者图像数据相对应的二维数据。比如，所述投影数据可以基于一个投影矩阵而确定。所述投影矩阵可以是处理引擎140的默认设置的一部分，或者可以由用户(如医生)进行调节。在一些实施例中，所述投影数据可以基于获取模块410获取的ct数据确定。基于ct数据确定的投影数据也可以是原始投影数据。所述原始投影数据可以表示放射性射线穿过成像物体时发生的衰减。在一些实施例中，所述原始投影数据可以通过围绕成像物体在不同角度进行多重投影而获得。比如，所述原始投影数据可以以稀疏的多个角度进行投影而获取，以此减少辐射剂量。

在一些实施例中，所述投影数据可以包括稀疏的投影数据，有限范围的投影数据、低剂量的投影数据、本地的投影数据、不完整的投影数据等，或其任意组合。比如，在低剂量ct扫描过程中，低剂量的投影数据可以通过ct扫描仪110(如探测器112)获取。在一些实施例中，所述投影数据可以被处理。比如，为了移除或者减少投影数据中的噪音，可以根据高斯方法对所述投影数据进行过滤。

步骤604可以包括基于所述投影数据，生成图像或者图像数据。所述图像或者图像数据可以由图像生成单元510产生。所述图像或者图像数据可以基于一个或者更多的重建操作而生成。所述重建操作可以包括统计重建、滤波反投影、迭代重建、分析重建、基于全变量重建等，或其任意组合。在一些实施例中，原始图像数据或者原始图像可以基于所述原始投影数据而生成。在一些实施例中，所述原始图像数据或者所述原始图像可以基于处理引擎140的默认设置而被确定。比如，所述原始图像数据或者所述原始图像可以是像素值或者体素值(如灰度值)都为0的图像。又比如，原始图像数据或者原始图像可以是关于一个模板(如肝脏模板)的ct图像。在一些实施例中，所述原始图像数据或者所述原始图像可以由用户(如医生)提供。

在一些实施例中，步骤604中可以生成2d图像数据或者与2d图像数据对应的2d图像。在一些实施例中，可以生成3d图像数据或者与3d图像数据对应的3d图像。所述图像或者图像数据可以包括多个元素(比如，2d图像数据或者2d图像的像素，3d图像数据或者3d图像的体素)。在一些实施例中，多个元素中的每一个可以对应一个元素值。所述元素值可以包括红色、绿色和蓝色(rgb)值，灰度值等中，或其任意组合。在一些实施例中，与多个元素相对应的多个元素值可以被保存在一个矩阵中。

在606中，基于所述图像或者所述图像数据，可以确定正则项和/或正则化参数。所述正则项可以指图像重建过程中用来调整所述原始图像数据的一个项。所述正则化参数可以指用来控制正则项强度的一个参数。所述正则项和/或正则化参数可以由正则化单元520确定。在一些实施例中，所述正则项可以是处理引擎140默认设置的一部分。

在一些实施例中，所述正则化参数可以基于一个正则化算法确定。所述正则化算法可以是一个方程式，一个约束条件等，或其任意组合。所述正则化算法可以与图像数据中元素的元素值，图像数据的梯度，图像数据的噪音等相关。在一些实施例中，所述正则化算法可以根据所述图像数据的梯度加以调整。比如，如果所述梯度超过一个阈值，可以对正则化算法进行调节以增强正则化参数。超过阈值的梯度可以代表图像的边缘或者边界。在一些实施例中，所述正则化算法可以根据所述图像数据的一个约束(例如，正则项的一阶导数)进行动态调整。此处所述的约束可以表示对图像数据中器官或者组织表面粗糙度的约束。比如，如果所述约束较低(例如，在一个范围内，如图8a所示)，则可以调整所述正则化算法，以增强正则化参数。

在一些实施例中，所述正则化参数可以包括多个的参数值。多个参数值中的每一个可以对应图像或者图像数据中一个元素。比如，对于一个包括9×9个像素点的2d图像，所述正则化参数可以包括81个参数值。所述81个参数值中的每一个可以对应所述2d图像的一个像素值。包括多个参数值的正则化参数可以通过矩阵的形式表达。

在608中，基于所述正则项和/或正则化参数，可以修改所述图像或者图像数据。所述图像或者图像数据可以由修改单元单元530修改。为了提供修改后的图像数据，可以基于所述正则项和/或所述正则化参数，对原始图像或者图像数据进行修改。

在一些实施例中，流程600可以是一个迭代过程或一个包括多次迭代的循环过程。在每次迭代中，正则化参数和/或正则项可以基于一个从先前迭代中获得的修改后的图像数据进行更新。更新的正则化参数和/或更新的正则项可以用来修改当前迭代中的图像数据。在一些实施例中，当满足终止条件时，可以终止迭代。例如，终止条件可以是两次相继的迭代中获得的图像数据之差小于一个阈值。

迭代过程或循环过程终止后，正则化图像或图像数据可以基于正则项和/或正则化参数获得。在一些实施例中，该正则化图像或图像数据可以根据方程(1)确定：

其中，i^*可以指该正则化图像或图像数据，i可以指中间图像数据或中间图像，fp可以指正投影算子(相应地，fp(i)可以指对应于该中间图像数据或中间图像的中间投影数据)，y可以指原始投影数据，r(i)可以指正则项，并且β可以指正则化参数。仅仅举例来说，在一个基于全变差的图像重建中，r(i)可以是图像数据i的全变差。

在一些实施例中，正则化图像数据i^*(即，方程(1)的解)可以根据方程(2)以迭代形式确定：

其中，i^k可以指在第k次迭代中获得的中间图像数据，bp可以指反投影算子，w可以指统计权重(例如，一个常数)，可以指正则项的一阶导数。并且可以指正则项的二阶导数。

在一些实施例中，可以确定是否满足一个预设条件。如果满足所述预设条件，可以终止迭代过程或循环过程，并且可以获得正则化图像或图像数据。如果不满足预设条件，可以执行另一次迭代。在新的迭代过程中，可以重复操作606至608以基于图像数据的约束和/或梯度确定新的正则化参数，并基于新的正则化参数修改所述图像数据。

在一些实施例中，所述预设条件可以是与迭代过程相关联的一个数值阈值(例如，20次)。在这种情况下，当迭代次数达到所述数值阈值，迭代过程可以终止。该数值阈值可以是处理引擎140的默认设置的一部分或可以通过用户(例如医生)在不同情况下进行调节。

在一些实施例中，所述预设条件可以是一个差值阈值，该差值阈值与在多个(例如，两个或两个以上)相继迭代中获得的多个(例如，两个或两个以上)图像或多个(例如，两个或两个以上)图像数据组之间的差值相关联。例如，当第k个图像数据i^k和第(k-1)个图像数据i^k-1之差小于该差值阈值时，迭代过程可以终止。此处所述的第k个图像数据i^k可以指在第k次迭代中获得的图像数据，并且第(k一1)个图像数据i^k-1可以指在第(k-1)次迭代中获得的图像数据。所述差值阈值可以是处理引擎140的默认设置的一部分，或可以由用户(例如，医生)在不同情况下进行调节。

当满足预设条件时，可以确定所述正则化图像或图像数据。在一些实施例中，从上次迭代中获得的图像或图像数据可以作为正则化图像或图像数据。在一些实施例中，可以对该正则化图像或图像数据进一步处理。例如，可以通过执行图像增强操作，例如灰度直方图增强对该正则化图像数据进行处理。

应注意的是，以上说明是以例证的方式提供而无意限制本申请的范围。对于本领域普通技术人员而言，可以根据本申请实施各种各样的变体或变更。例如，流程600可以进一步包括一个基于在604中获得的中间图像或中间图像数据，确定中间投影数据的操作。所述中间投影数据可以在606中确定正则项和/或正则化参数之后再确定。又例如，流程600可以进一步包括将正则化图像或图像数据存储至一个存储装置中，例如，存储单元540。然而，这些变体或修改并不背离本申请的范围。

图7是根据本申请的一些实施例所示的一个示例性正则化单元520的示意图。正则化单元520可以包括约束确定子单元710、梯度确定子单元720、以及正则化参数确定子单元730。

约束确定子单元710可以确定一个约束，该约束可以代表对图像数据中一个组织或器官的表面的粗糙度的制约。在一些实施例中，该约束可以基于正则项确定。例如，该约束可以基于正则项的一阶导数确定。在一些实施例中，所述正则项可以包括对应于图像数据的多个元素的多个项元素。相应地，所述约束可以包括对应于图像数据的多个元素的多个约束元素。包括多个约束元素的约束可以基于正则项确定。

梯度确定子单元720可以确定图像数据的梯度。如此处所述，图像数据的梯度可以指图像数据的元素值沿特定方向的梯度。该梯度可以包括对应于图像数据中多个元素的多个梯度值。

正则化参数确定子单元730可以确定正则化参数。如606所描述的，正则化参数可以指可用来控制正则项的强度的一个参数。在一些实施例中，正则化参数可以是正则项的一个系数(例如正整数、0和1之间的小数，等等)。正则化参数可以是一个常数，或关于图像或图像数据的不同元素的一个变量。在一些实施例中，正则化参数可以由用户(例如，图像技师)通过处理引擎140的界面进行设置，或根据处理引擎140的默认设置进行设置，等等。例如，用户可以基于感兴趣的器官的表面情况确定正则化参数。

在一些实施例中，正则化参数可以基于正则化算法确定。在一些实施例中，正则化算法可以相关于图像数据的梯度和/或图像数据的约束(例如，正则项的一阶导数)。

在一些实施例中，正则化参数可以包括多个参数值。这多个参数值各自可以对应于图像或图像数据中的一个元素(例如，2d图像中的像素、3d图像中的体素，等等)。在一些实施例中，包括多个参数值的正则化参数可以矩阵形式表达。

应注意的是，以上说明是以例证的方式提供而无意限制本申请的范围。对于本领域普通技术人员而言，可以根据本申请实施各种各样的变体或变更。然而，这些变体或变更并不背离本申请的范围。例如，正则化单元520可以进一步包括一个正则项子单元(未示出)，可以用来确定图像数据的正则项。又例如，在一个基于迭代重建算法重建图像的方法中，第m次迭代的正则化参数可以与第n次迭代的不同。

图8a是根据本申请一些实施例所示的确定正则化参数的方法的示例性流程800的流程图。

在802中，图像数据的正则项可以确定。所述正则项可以通过正则项子单元(未示出)确定。在一些实施例中，正则项可以至少部分基于图像数据中的元素的一个特征(例如，灰度值、rgb值，等等)确定。在一些实施例中，正则项可以至少部分基于图像数据的一个特征(例如，粗糙度、非均匀度、形状，等等)确定。在一些实施例中，对于608中描述的某一特定迭代，正则项可以基于在先迭代中获得的图像数据而确定。

在一些实施例中，正则项可以由用户(例如，医生)根据处理引擎140的默认设置等进行设置。在一些实施例中，正则项可以包括对应于图像数据的多个元素的多个项元素。例如，正则项可以表达为包括多个项元素的矩阵，并且这多个项元素各自对应于图像数据的元素。

在804中，图像数据的约束可以基于正则项确定。图像数据的约束可以通过约束确定子单元710确定。如此处所述，该约束可以表示对图像数据中一个组织或器官的表面的粗糙度的制约。例如，该约束可以基于正则项的第一导数而确定。在一些实施例中，在特定迭代开始之前，正则项的第一导数可以基于在先迭代中获得的图像数据而确定。例如，在第k次迭代开始之前，正则项的第一导数可以基于在第(k-1)次迭代中获得的图像数据而确定。

在一些实施例中，该约束可以包括对应于图像数据的多个元素的多个约束元素。例如，该约束可以表达为包括多个约束元素的矩阵，并且这多个约束元素各自对应于图像数据的元素。在一些实施例中，对应于图像数据中的多个元素的这多个约束元素的多个绝对值可以确定。

在806中，正则化参数可以基于图像数据的约束(例如，正则项的第一导数)而确定。所述正则化参数可以通过正则化参数确定子单元730确定。在一些实施例中，正则化参数可以包括对应于图像数据的多个元素的多个参数值。例如，如802和804所描述的，正则化参数可以表达为包括多个参数值的矩阵，并且这多个参数值各自对应于图像数据的元素。

在一些实施例中，可以确定出图像数据中的多个元素是否满足预设条件。在一些实施例中，可以对这多个元素各自加以确定。对于某一特定元素，如果满足预设条件，对应于所述特定元素的特定参数值可以改变(例如，增强)；如果不满足预设条件，对应于所述特定元素的特定参数值可以保持不变。

仅仅作为示例，所述预设条件可以包括一个范围(例如，正数a和正数b之间的范围，且a＞b)。该范围可以用于对参数值改变的元素与参数值保持不变的元素之间的过渡进行平滑。当对应于特定元素的约束元素的绝对值(例如，对应于特定元素的正则项的第一导数的绝对值)在该范围内，则对应于该特定元素的参数值可被增强。

在一些实施例中，对应于满足预设条件的特定元素的参数值可以根据方程(3)增强：

其中，βk可以指有待在第k次迭代中确定的对应于特定元素的参数值，βk-1可以指对应于在先迭代中的特定元素的参数值，c可以是一个常数(例如，经验值)，用来调整或调节代表对于图像数据中一个组织或器官的表面粗糙度的制约的约束的强度，并且可以指正则项的第一导数(对于特定元素，可以指正则项在特定元素处的第一导数的一个值)。在一些实施例中，c可以是大于1(例如，2)的正数。在一些实施例中，c的值在至少两次迭代中可以不同。在一些实施例中，满足预设条件的元素的参数值可以根据方程(3)增强，并且其他元素的参数值可以保持不变。

图8b是根据本申请一些实施例所示的一种确定正则化参数的方法的示例性流程830的流程图。

在832中，图像数据的梯度可以确定。所述图像数据的梯度可以通过由，例如，梯度确定子单元720而确定。在一些实施例中，所述梯度可以至少部分基于图像数据中的元素的一个特征(例如，灰度值、rgb值，等等)而确定。在一些实施例中，原始图像数据的梯度可以表示为以下方程(4)：

其中，g0可以代表原始图像数据的梯度，并且i⁰可以代表原始数据。

在一些实施例中，所述梯度可以包括对应于图像数据的多个元素的多个梯度值。例如，所述梯度可以是表达为包括多个梯度值的矩阵，并且这多个梯度值中的每一个各自对应于图像数据的一个元素。

在834中，原始图像数据的梯度的绝对值的倒数可以确定。在一些实施例中，原始图像数据的梯度的绝对值的倒数可以通过梯度确定子单元720确定。该梯度的绝对值的倒数可以表达为以下方程(5)：

其中，rg可以指该梯度的绝对值的倒数。

在一些实施例中，如上所述，该梯度的倒数可以包括对应于图像数据的多个元素的多个倒数值。例如，该梯度的倒数可以表达为包括多个倒数值的矩阵，并且这多个倒数值各自对应于图像数据的一个元素。这多个倒数值可以根据方程(5)确定。

在836中，正则化参数可以基于该梯度的绝对值的倒数而确定。该正则化参数可以通过正则化参数确定子单元730确定。在一些实施例中，如806所描述，正则化参数可以包括对应于该图像数据的多个元素的多个参数值。例如，正则化参数可以表达为包括多个参数值的矩阵，并且这多个参数值各自对应于图像数据的一个元素。

在一些实施例中，可以确定出图像数据中的多个元素是否满足预设条件。在一些实施例中，可以对多个元素各自加以确定。对于特定元素，如果满足预设条件，则可以改变(例如，增强)对应于特定元素的特定参数值；如果不满足预设条件，则对应于特定元素的特定参数值可以保持不变。

仅仅作为示例，所述预设条件可以包括一个范围(例如，正数a和正数b之间的范围，且a＞b)。该范围可以用于对参数值改变的元素与参数值保持不变的元素之间的过渡进行平滑。当对应于特定元素的倒数的绝对值在该范围内时，对应于特定元素的特定参数值可被增强。在一些实施例中，a和b可以是常数，或是在至少两次迭代过程中可以不相同的变量。该范围可以是处理引擎140的默认设置的一部分，或可以由用户(例如医生)在不同情形下进行调节。满足预设条件的元素可以表示器官的表面或不同组织的边界。

在一些实施例中，对应于满足预设条件的特定元素的特定参数值可以根据方程(6)确定：

其中，βk可以指有待在第k次迭代中确定的对应于特定元素的特定参数值，β0可以指在迭代之前由用户确定的对应于特定元素的特定参数值，可以指原始图像数据的梯度(在此对于特定元素，可以指特定元素处的梯度值)，并且c可以是一个常数。c可以用来调整或调节代表对于图像数据中一个组织或器官的表面粗糙度的制约的约束的强度。在一些实施例中，c可以是大于1(例如，2)的正数。在一些实施例中，c的值在至少两次迭代中可以不同。在一些实施例中，满足预设条件的元素的参数值可以根据方程(6)增强，并且其他元素的参数值可以保持不变。

图8c是根据本申请一些实施例所示的确定正则化参数的方法的示例性流程860的流程图。

在862中，图像数据的梯度可以确定。所述图像数据的梯度可以通过，例如，梯度确定子单元720确定。在一些实施例中，所述梯度可以至少部分基于图像数据中的元素的一个特征(例如，灰度值、rgb值，等等)而确定。在一些实施例中，原始图像数据的梯度可以根据以上方程(4)确定。

在864中，正则化参数可以基于原始图像数据的梯度确定。所述正则化参数可以通过正则化参数确定子单元730确定。在一些实施例中，如806和836所述，正则化参数可以包括对应于该图像数据的多个元素的多个参数值。例如，正则化参数可以表达为包括多个参数值的矩阵，并且这多个参数值各自对应于图像数据的一个元素。该正则化参数可以根据方程(7)确定：

其中，βk可以指针对特定元素在第k次迭代中获得的图像数据的正则化强度，β0可以指在迭代之前由，例如，用户确定的特定元素的参数值，并且d可以是3d图像数据中的体素的标量值。在一些实施例中，对于整个体积内的体素，d的取值可以不同。3d图像数据可以以3d数据矩阵的形式表达。3d数据矩阵的大小可以与正则化参数矩阵的大小相同。

值得注意的是，以上描述是为了便于说明，并无意限制本申请的范围。对于本领域普通技术人员而言，在了解本申请发明内容与原理后，可以对本申请进行各种改变和修改。例如，图像数据的梯度可以表示为与图像数据相关的函数。针对图像数据的特定元素，可以基于该函数来确定对应于该元素的梯度值。在一些实施例中，相似改变或修改可以表示为梯度倒数、约束、正则化参数和/或正则项。然而，这些改变和修改并不脱离本申请的范围。

实例

下述实例是为了便于说明，并非限制本申请的范围。

图9a是根据本申请的一些实施例所示的通过边缘保留正则化方法重建的一个示例性ct图像。该ct图像是基于统计重建技术来重建的，并且在重建后进行了边缘保留正则化处理。该边缘保留正则化增加了粗糙的边缘(例如，箭头指向的器官内表面)的噪音。

图9b是根据本申请的一些实施例所示的基于正则化参数执行正则化操作的一个示例性ct图像。如图9b所示的图像是通过对如图9a所示的图像进行正则化操作而生成的。该正则化操作是基于，例如，方程式(3)、方程式(6)或方程式(7)所确定的正则化参数来进行的。图9b中箭头指向的边缘看起来比图9a中的边缘更平滑。

以上所述仅为本发明的优选实施而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。